آموزش تحلیل بیگ دیتا بوسیله PySpark

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با PySpark یاد می گیرید.

عنوان اصلی : Mastering Big Data Analytics with PySpark

سرفصل ها :

پایتون و اسپارک: مسابقه ای ساخته شده در بهشت:
بررسی اجمالی دوره
پایتون در مقابل اسپارک
آماده شدن برای دوره
اتصال ژوپیتر به اسپارک
کار با PySpark:
آشنایی با اسپارک
قدرت جرقه
قدرت Spark MLlib
Spark DataFrames
عملیات داده جرقه
آماده سازی داده با استفاده از Spark SQL:
بارگیری داده ها از فایل های CSV
رفع مشکلات در داده های ما - قسمت اول
رفع مشکلات در داده های ما - قسمت دوم
گروه بندی، پیوستن و تجمیع - بخش اول
گروه بندی، پیوستن و تجمیع - بخش دوم
یادگیری ماشین با Spark MLlib:
یادگیری ماشینی با اسپارک
ساختن یک سیستم توصیه با Spark MLlib - قسمت اول
ساختن یک سیستم توصیه با Spark MLlib - قسمت دوم
ساختن یک سیستم توصیه با Spark MLlib - قسمت سوم
نهایی کردن سیستم توصیه ما
آنچه تا کنون آموخته ایم
طبقه بندی و رگرسیون:
یادگیری ماشینی با اسپارک
خطوط لوله یادگیری ماشین
اجرای خط لوله رگرسیون لجستیک
پارامترها، ویژگی ها و ماندگاری
استخراج الگوی مکرر و آمار
تجزیه و تحلیل داده های بزرگ:
پردازش زبان طبیعی با اسپارک
شناسایی داده های ما
آماده سازی و کاوش داده ها
ایجاد داده های آموزشی خام ما
پردازش زبان طبیعی در اسپارک:
آماده سازی داده ها و عبارات منظم
پاکسازی و تبدیل داده ها
آموزش مدل تحلیل احساسات - قسمت اول
آموزش مدل تحلیل احساسات - قسمت دوم
یادگیری ماشینی در زمان واقعی:
واکشی داده ها از توییتر
جریان ساختار یافته جرقه
مدیریت و تبدیل جریان ها
مونتاژ راه حل جریان ML ما
رویکردی ساختاریافته به جریان ML
قدرت PySpark:
Running Spark در تولید
در حال اجرا جرقه در مقیاس
نکات، ترفندها، و حذفیات