Terça, 26. Novembro 2019, Green Treinamentos, Cloudera Data Scientist Training

A partir de 26. Novembro 2019 - 9:00
Até 29. Novembro 2019 - 17:00

Green Treinamentos

Visualizar mapa
Descrição do evento
SOBRE O CURSO
Este workshop de quatro dias abrange fluxos de trabalho de data science e machine learning em escala usando Apache Spark 2 e outros componentes importantes do ecossistema Hadoop. O workshop enfatiza o uso de métodos de ciência dos dados e machine learning abordando os desafios de negócios do mundo real.
Usando cenários e conjuntos de dados de uma empresa de tecnologia fictícia, os estudantes descobrem insights para o embasamento de decisões críticas de negócios e desenvolver produtos de dados para transformá-lo. O material é apresentado através de uma sequência de breves palestras, demonstrações interativas, exercícios práticos e debates. As demonstrações e exercícios do Apache Spark são conduzidos em Python (com PySpark) e R (com sparklyr) usando o ambiente Cloudera Data Science Workbench (CDSW).
O QUE ESPERAR?
O workshop inclui breves palestras, demonstrações interativas, exercícios práticos e debates, abrangendo temas como:


Visão geral da ciência dos dados e do machine learning em escala.


Visão geral do ecossistema Hadoop.


Trabalhando com dados HDFS e tabelas Hive, utilizando Hue.


Mostrar mais

Introdução ao Cloudera Data Science Workbench.


Visão geral do Apache Spark 2


Leitura e inserção de dados.


Gestão de qualidade de dados.


Higienização e transformação de dados.


Sumarização e agrupamento de dados.


Combinação, divisão e remodelagem de dados.


Exploração de dados.


Configuração, monitoramento e solução de problemas de aplicações Spark


Visão geral de machine learning em Spark MLlib.


Extração, transformação e seleção de recursos.


Construção e avaliação de modelos de regressão.


Construção e avaliação de modelos de clusterização.


Criar e avaliar modelos de agrupamento


Modelos de validação cruzada e ajuste de hiperparâmetros


Construção de pipelines de machine learning.


Implementação de modelos de machine learning.


O QUE VOU APRENDER?
Os participantes adquirem habilidades práticas e experiência prática com ferramentas de ciência da dados, incluindo:


Spark, Spark SQL e Spark MLlib


PySpark e sparklyr


Cloudera Data Science Workbench (CDSW)


Hue


CARGA HORÁRIA


4 dias de 8 horas cada, totalizando 32 horas de treinamento


Treinamento sujeito a confirmação.


IDIOMA


O curso será ministrado em português.


PARA QUEM ESSE CURSO É INDICADO?
O workshop é direcionado para cientistas de dados que atualmente usam Python ou R para trabalhar com conjuntos de dados menores em uma única máquina e para aqueles que precisam ampliar suas análises e modelos de machine learning para grandes conjuntos de dados em clusters distribuídos. Engenheiros de dados e desenvolvedores com conhecimento em ciência e machine learning podem se interessar por este treinamento.
Para participar deste evento, o profissional necessita de um conhecimento básico de Python ou R e alguma experiência explorando e analisando dados e desenvolvendo modelos estatísticos ou de aprendizagem em máquina. Conhecimento em Hadoop ou Spark não é requerido.
FORMAS DE PAGAMENTO


Pagamento parcelado sem juros no cartão de crédito;


Para empresas, aceitamos transferência bancária ou boleto com emissão de nota fiscal eletrônica;


Descontos especiais para grupos.


Cloudera Data Scientist Training, Green Treinamentos evento

Curso de energia solar em SP São Paulo

Curso de energia solar em SP São Paulo

Quinta 12. Outubro 2023
2 shares
Aulas de Dinâmica Respiratória - agendamento
Quarta 04. Setembro 2019
2 shares
Curso de Maquiagem em Guarulhos
Quarta 10. Maio 2023
2 shares
Curso de Maquiagem em Osasco
Segunda 15. Maio 2023
2 shares
Curso de Maquiagem em Santo Andre
Quarta 10. Maio 2023
2 shares
Curso designer de sobrancelha em Guarulhos
Sábado 19. Novembro 2022
2 shares
Encontre eventos mais interessantes
Obtenha recomendações de eventos com base em seu gosto Facebook. Apenas clique, é isso!Mostre-me os eventos adequados para mimAgora não