Практический курс «Машинное обучение в Apache Spark»

2-дневный практический курс для разработчиков Apache Spark, дата инженеров и аналитиков данных, Data Scientist’ов и других специалистов Big Data, которые используют или планируют использовать Spark для решения задач машинного обучения и подготовки для него данных.
Код курса Даты начала курса Стоимость обучения Длительность обучения Формат обучения
MLSP
по запросу
48 000 руб. 16 ак.часов Дистанционный

Аудитория

Практический курс по Спарк рассчитан на разработчиков Big Data, дата инженеров и аналитиков данных, Data Scientist’ов и других специалистов по большим данным, которые хотят получить опыт настройки и использования Apache Spark MLLib. На этом курсе мы изучаем предоставляемые спарк возможности в части подготовки данных (векторы в том числе разреженные, работа с пропущенными данными, нормализация, категориальные данные и т.п.) и машинного обучения (стандартные алгоритмы — регрессии, классификации, нейронные сети и т.п. — и конвейерная обработка). Курс будет интересен не только дата сайентистам, но и инженерам данных — на курсе мы покажем, что делают дата сайентисты (на примере Apache Spark).

Соотношение теории к практике 50/50

Предварительная подготовка

  • Опыт работы в Unix/SQL;
  • Знания в объеме, аналогичном курсу Core Spark
  • Начальный опыт программирования (Python/Java);
  • Начальный опыт в экосистеме Hadoop

Программа курса

1. Введение в машинное обучение
  • Профессии дата инженера и дата сайентиста
  • Цикл работ согласно CRISP-DM
  • Классификация алгоритмов машинного обучения
  • Пример алгоритма
2. Feature Engineering и подготовка данных
  • Особенности подготовки данных для машинного обучения
  • Датасет и денормализация
  • Стандартный набор операций по подготовке данных
  • Дополнительные требования некоторых алгоритмов
3. Возможности Spark Mllib
  • Векторы и разреженные векторы
  • Алгоритмы обучения с учителем
  • Нейронные сети и другие алгоритмы
  • Подходы к продуктивному использованию настроенных алгоритмов
4. Базовый Workflow и конвейеры
  • Базовый процесс обучения с использованием Spark MLLIB
  • Понятие конвейера и его настройка в Spark MLLIB
5. Модуль Feature и предоставляемые возможности
  • Стандартные операции очистки данных
  • Работа с категориальными данными
  • Векторизация текста
  • Другие возможности модуля Feature

Кто проводит курс

prepod-mihail-korolev.jpg
Преподаватель Школы Больших Данных

Королев Михаил

МГУ им. М.В. Ломоносова (Москва, 1992)
Профессиональные компетенции:
Если у Вас остались вопросы Вы можете позвонить к нам по телефону +7 (495) 414-11-21  или заполнить форму обратной связи на сайте.
Я даю свое согласие на обработку персональных данных и соглашаюсь с политикой конфиденциальности.

Поиск по сайту