Cursos de Python, Spark, and Hadoop for Big Data

Neste treinamento ao vivo conduzido por instrutor em Brasil, os participantes aprenderão como usar Python e Spark juntos para analisar big data enquanto trabalham em exercícios práticos.

No final desta formação, os participantes serão capazes de

• Aprenda a usar o Spark com Python para analisar Big Data.
• Trabalhar em exercícios que imitam casos do mundo real.
• Utilizar diferentes ferramentas e técnicas para análise de big data usando PySpark.

Neste treinamento ao vivo conduzido por instrutor em Brasil, os participantes aprenderão sobre as ofertas de tecnologia e abordagens de implementação para o processamento de dados gráficos. O objetivo é identificar objetos do mundo real, suas características e relacionamentos, depois modelar esses relacionamentos e processá-los como dados usando uma abordagem Graph Computing (também conhecida como Graph Analytics). Começaremos com uma visão geral e concentrar-nos-emos em ferramentas específicas à medida que avançamos numa série de estudos de casos, exercícios práticos e implementações em direto.

No final desta formação, os participantes serão capazes de

• Compreender como os dados de grafos são persistidos e percorridos.
• Selecionar o melhor framework para uma determinada tarefa (de bancos de dados de grafos a frameworks de processamento em lote.)
• Implementar Hadoop, Spark, GraphX e Pregel para realizar computação de grafos em muitas máquinas em paralelo.
• Ver problemas de big data do mundo real em termos de grafos, processos e travessias.

O MLlib é a biblioteca de aprendizado de máquina (ML) do Spark. Seu objetivo é tornar prático o aprendizado de máquina escalável e fácil. Ele consiste em algoritmos e utilitários de aprendizado comuns, incluindo classificação, regressão, agrupamento, filtragem colaborativa, redução de dimensionalidade, além de primitivas de otimização de nível inferior e APIs de pipeline de nível superior.

Divide-se em dois pacotes:

• O spark.mllib contém a API original construída sobre os RDDs.

• O spark.ml fornece uma API de alto nível, construída sobre os DataFrames, para a construção de pipelines de ML.

Público

Este curso é direcionado a engenheiros e desenvolvedores que desejam utilizar uma biblioteca de máquinas integrada para o Apache Spark

Formato do curso

• Palestra e discussão interactivas.
• Muitos exercícios e prática.
• Implementação prática num ambiente de laboratório ao vivo.

Opções de personalização do curso

• Para solicitar uma formação personalizada para este curso, por favor contacte-nos para combinar.

Pandas é um pacote Python que fornece estruturas de dados para trabalhar com dados estruturados (tabulares, multidimensionais, potencialmente heterogêneos) e séries temporais.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a cientistas de dados que desejam usar Pandas para realizar análises preditivas com aprendizado de máquina.

No final desta formação, os participantes serão capazes de

• Realizar a organização de dados em Python.
• Conduzir operações ETL para aprendizagem de máquina.
• Criar visualizações de dados com o Pandas

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a cientistas e desenvolvedores de dados que desejam usar o Modin para criar e implementar cálculos paralelos com Pandas para uma análise de dados mais rápida.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente necessário para começar a desenvolver Pandas fluxos de trabalho em escala com o Modin.
• Compreender os recursos, a arquitetura e as vantagens do Modin.
• Conhecer as diferenças entre Modin, Dask e Ray.
• Realizar Pandas operações mais rapidamente com o Modin.
• Implementar toda a API Pandas e as funções.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a cientistas de dados e engenheiros de software que desejam usar o Dask com o ecossistema Python para criar, dimensionar e analisar grandes conjuntos de dados.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente para começar a criar o processamento de big data com Dask e Python.
• Explorar os recursos, as bibliotecas, as ferramentas e as APIs disponíveis no Dask.
• Compreender como o Dask acelera a computação paralela em Python.
• Aprenda como escalar o ecossistema Python (Numpy, SciPy e Pandas) usando Dask.
• Otimizar o ambiente Dask para manter o alto desempenho na manipulação de grandes conjuntos de dados.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam usar o FastAPI com Python para criar, testar e implantar APIs RESTful com mais facilidade e rapidez.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para desenvolver APIs com Python e FastAPI.
• Criar APIs de forma mais rápida e fácil usando a biblioteca FastAPI.
• Aprenda a criar modelos de dados e esquemas baseados em Pydantic e OpenAPI.
• Conectar APIs a um banco de dados usando SQLAlchemy.
• Implementar segurança e autenticação em APIs usando as ferramentas FastAPI.
• Construir imagens de contêiner e implantar APIs da Web em um servidor em nuvem.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a desenvolvedores que desejam usar a pilha FARM (FastAPI, React e MongoDB) para criar aplicativos da Web dinâmicos, de alto desempenho e escalonáveis.

No final desta formação, os participantes serão capazes de

Configurar o ambiente de desenvolvimento necessário que integra FastAPI, React e MongoDB. Compreender os principais conceitos, recursos e benefícios da pilha FARM. Aprender a criar APIs REST com FastAPI. Aprender a conceber aplicações interactivas com React. Desenvolver, testar e implantar aplicativos (front-end e back-end) usando a pilha FARM.

Este treinamento ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a desenvolvedores que desejam usar SciPy para criar funções avançadas de computação científica com Python.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para começar a criar funções de computação científica.
• Obter o benefício total das funcionalidades de SciPy realizando exemplos práticos de operações complexas.
• Implementar e otimizar algoritmos e funções matemáticas para resolver problemas científicos.
• Projetar estruturas de dados e métodos de interpolação para visualização, processamento e análise.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam usar o PyGame para criar e construir jogos usando a programação Python.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para começar a criar aplicações de jogos com PyGame e Python.
• Aprender a criar aplicações PyGame interactivas integradas com animações e funcionalidades multimédia.
• Executar e testar programas de jogos com a suíte de testes PyGame e convertê-los em arquivos executáveis.

Este curso prático é direcionado aos desenvolvedores de Python que desejam criar e manter seus primeiros aplicativos da web. Também é dirigido a pessoas que já estão familiarizadas com outras estruturas da Web, como Django ou Web2py , e desejam aprender como o uso de uma microframetria (ou seja, uma estrutura que cole bibliotecas de terceiros em vez de fornecer uma solução universal independente) o processo.

Uma parte significativa do curso é dedicada não ao próprio Flask (é minúsculo), mas às bibliotecas e ferramentas de terceiros frequentemente usadas em projetos do Flask.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a backend desenvolvedores que desejam construir APIs REST com Python e Flask.

No final desta formação, os participantes serão capazes de

• Implementar uma API REST para permitir que uma aplicação web Flask leia e escreva em um banco de dados no backend.
• Desenvolver recursos avançados de autenticação como tokens de atualização.
• Construir um backend reutilizável para futuros projetos Python.
• Simplificar o armazenamento de dados com SQLAlchemy.
• Implantar APIs REST em um servidor baseado em nuvem.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores que desejam usar os recursos avançados do Flask para criar aplicativos da Web escalonáveis em cima de MongoDB.

No final desta formação, os participantes serão capazes de

• Configurar o ambiente de desenvolvimento necessário para começar a desenvolver aplicações web com Flask.
• Conheça os conceitos e técnicas avançadas para projetos Flask do mundo real.
• Construir um servidor de API RESTful em cima de MongoDB.
• Aprenda como conteinerizar, testar e implantar microserviços com Flask, Docker e Amazon EC2.
• Obtenha alguns insights sobre as integrações avançadas do Flask para escalar aplicativos da Web.