Python, Spark, and Hadoop for Big Data培訓

在這個由講師指導的 台灣 現場培訓中，參與者將學習如何在動手練習時結合使用 Python 和 Spark 來分析大數據。

在培訓結束時，參與者將能夠：

• 瞭解如何將Spark與 Python 結合使用來分析大數據。
• 進行模仿真實案例的練習。
• 使用不同的工具和技術使用 PySpark 進行大數據分析。

在這個以講師為主導的台灣現場培訓中，參與者將瞭解用於處理圖形數據的技術產品和實施方法。目的是識別真實世界的物件、它們的特徵和關係，然後對這些關係進行建模，並使用 Graph Computing（也稱為圖形分析）方法將它們作為數據進行處理。我們從廣泛的概述開始，並在逐步完成一系列案例研究、動手練習和即時部署時縮小具體工具的範圍。

在培訓結束時，參與者將能夠：

• 瞭解如何持久化和遍歷圖形數據。
• 為給定任務選擇最佳框架（從圖形資料庫到批處理框架）。
• 實現 Hadoop、Spark、GraphX 和 Pregel，在多台機器上並行進行圖計算。
• 從圖形、流程和遍歷的角度查看現實世界的大數據問題。

MLlib是Spark的機器學習（ML）庫。其目標是使實用的機器學習可擴展且簡單。它由常見的學習算法和實用程序組成，包括分類，回歸，聚類，協同過濾，降維，以及低級優化原語和更高級別的管道API。

它分為兩個包：

• spark.mllib包含在RDD之上構建的原始API。

• spark.ml提供了構建在DataFrame之上的更高級API，用於構建ML管道。

聽眾

本課程面向希望利用Apache Spark內置機器庫的工程師和開發人員

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在現場實驗室環境中動手實施。

課程自定義選項

• 如需申請本課程的定製培訓，請聯繫我們進行安排。

Pandas 是一個 Python 包，它提供用於處理結構化（表格、多維、潛在異構）和時間序列數據的數據結構。

這種以講師為主導的台灣現場現場培訓針對的是希望使用Pandas通過機器學習進行預測分析的數據科學家。

在培訓結束時，參與者將能夠：

• 在 Python 中執行數據整理。
• 執行機器學習的 ETL 操作。
• 使用 Pandas 建立資料視覺化

這種以講師為主導的台灣現場現場培訓針對的是希望使用Modin構建和實現並行計算的數據科學家和開發人員Pandas，以加快數據分析速度。

在培訓結束時，參與者將能夠：

• 設置必要的環境，開始使用Modin大規模開發 Pandas工作流。
• 瞭解Modin的功能、架構和優勢。
• 瞭解Modin、Dask和Ray之間的區別。
• 使用 Modin 更快地執行 Pandas 操作。
• 實現整個 Pandas API 和函數。

這種以講師為主導的台灣現場培訓（現場或遠端）針對的是希望將Dask與Python生態系統一起使用以構建，擴展和分析大型數據集的數據科學家和軟體工程師。

在培訓結束時，參與者將能夠：

• 設置環境以開始使用 Dask 和 Python 構建大數據處理。
• 探索 Dask 中提供的功能、庫、工具和 API。
• 瞭解 Dask 如何在 Python 中加速並行計算。
• 瞭解如何使用 Dask 擴展 Python 生態系統（Numpy、SciPy 和 Pandas）。
• 優化 Dask 環境，以保持處理大型數據集的高性能。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望將FastAPI與Python一起使用以更輕鬆，更快速地構建，測試和部署RESTful API的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境以使用 Python 和 FastAPI 開發 API。
• 使用 FastAPI 庫更快、更輕鬆地創建 API。
• 瞭解如何基於 Pydantic 和 OpenAPI 建立數據模型和架構。
• 使用 SQLAlchemy 將 API 連接到資料庫。
• 使用 FastAPI 工具在 API 中實現安全性和身份驗證。
• 構建容器鏡像並將 Web API 部署到雲端伺服器。

這種以講師為主導的現場培訓（現場或遠端）面向希望使用FARM（FastAPI，React和MongoDB）堆棧構建動態，高性能和可擴展Web應用程式的開發人員。

在培訓結束時，參與者將能夠：

設置整合 FastAPI、React 和 MongoDB 的必要開發環境。 瞭解 FARM 堆疊的關鍵概念、功能和優勢。 瞭解如何使用FastAPI構建REST API。 瞭解如何使用 React 設計互動式應用程式。 使用 FARM 堆疊開發、測試和部署應用程式（前端和後端）。

這種以講師為主導的台灣現場現場培訓面向希望使用SciPy使用Python創建高級科學計算功能的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境，開始創建科學計算功能。
• 通過執行複雜操作的實際範例，獲得 SciPy 功能的全部優勢。
• 實現和優化數學演算法和函數以解決科學問題。
• 設計用於可視化、處理和分析的數據結構和插值方法。

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望使用PyGame使用Python程式設計創建和構建遊戲的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境，開始使用 PyGame 和 Python 建立遊戲應用程式。
• 瞭解如何創建與動畫和多媒體功能集成的互動式 PyGame 應用程式。
• 使用 PyGame 測試套件運行和測試遊戲程式，並將它們轉換為可執行檔。

本實踐課程面向希望創建和維護其第一個Web應用程序的Python開發人員。它也適用於已經熟悉其他Web框架（如Django或Web2py ，並希望了解如何使用微框架（即將第三方庫粘合在一起而不是提供自包含的通用解決方案的框架）更改這個過程。

本課程的一個重要部分不是專注於Flask本身（它很小），而是專注於Flask項目中經常使用的第三方庫和工具。

這種以講師為主導的台灣 現場現場培訓面向希望使用Python和Flask構建 REST API的後端 開發人員。

在培訓結束時，參與者將能夠：

• 實現 REST API，以允許 Flask Web 應用程式讀取和寫入後端中的資料庫。
• 開發高級身份驗證功能，如刷新令牌。
• 為將來的 Python 項目構建可重用的後端。
• 使用 SQLAlchemy 簡化數據存儲。
• 將 REST API 部署到基於雲端的伺服器上。

這種由講師指導的台灣現場培訓（現場或遠端）針對的是希望使用Flask的高級功能在MongoDB之上構建可擴展Web應用程式的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的開發環境以開始使用 Flask 開發 Web 應用程式。
• 瞭解實際 Flask 專案的高級概念和技術。
• 在 MongoDB 之上構建一個 RESTful API 伺服器。
• 瞭解如何使用 Flask、Docker 和 Amazon EC2 容器化、測試和部署微服務。
• 深入瞭解用於擴展 Web 應用程式的高級 Flask 集成。