Apache Spark Advanced Topics - Apache - Apache Spark - Big Data

Na inschrijving van de Award Winning E-learning training Apache Spark Advanced Topics, ontvangt u per e-mail een link om in te loggen in uw leeromgeving waar u een persoonlijk wachtwoord aanmaakt. Eenmaal ingelogd in uw persoonlijke leeromgeving ziet u een overzicht van de cursusonderdelen. Via de inhoudsopgave schakelt u automatisch over naar elk gewenst onderdeel van de training.

Er zit tevens een Voortgangsbewaking bij om eenvoudig te zien hoe ver u bent binnen uw training. U kunt daarbij 1 jaar lang (365 dagen), 24/7 (elke dag en nacht) inloggen om verder te gaan met de training.

Deze Engelstalige training met ondertiteling heeft interactieve, eenvoudig te volgen video's in HD beeldkwaliteit met heldere audio kwaliteit. Daarnaast biedt de training Support en/of een Online Mentor aan als u problemen ondervindt. De training is beschikbaar in elke browser voor zowel PC, Mac, Tablet én Smartphone. Dus zelfs via uw mobiel kunt u handig de training volgen.

De training is inclusief lees- en/of praktijkopdrachten met trainingstest, mits noodzakelijk voor de training. Na afronding van de training krijgt u een Certificaat van Deelname en sluit u zich aan bij de reeds duizenden tevreden cursisten.

Apache Spark is een open source framework voor big data-verwerking dat is gebouwd rond snelheid, gebruiksgemak en geavanceerde analyses. In dit leertraject leer je over de meer geavanceerde functies van Spark Core, Spark Streaming, Spark SQL, MLlib, GraphX ​​en SparkR.

Cursusinhoud

Spark RDDs

Course: 1 Hour, 13 Minutes

• Course Introduction
• Review of Spark Stack
• Defining Lazy Evaluation
• Examining RDD Lineage
• Pre-partitioning RDDs
• Storing RDDs in Serialized Form
• Performing Numeric Operations
• Creating Custom Accumulators
• Optimizing Broadcasts
• Piping to External Applications
• Tuning Garbage Collection
• Performing Batch Importing
• Determining Memory Consumption
• Tuning Data Structures
• Minimizing Memory Usage of Reduce Tasks
• Setting the Levels of Parallelism

Data Frames and Spark SQL

Course: 43 Minutes

• Creating DataFrames
• Interoperating with RDDs
• Examining the Load and Save Functions
• Reading and Writing Parquet Files
• Using JSON Dataset as a DataFrame
• Reading and Writing Data in Hive Tables
• Reading and Writing Data Using JDBC
• Running Thrift JDBC/ODBC Server

Practice: Tuning Spark

Course: 9 Minutes

Streaming Analytics

Course: 54 Minutes

• Course Introduction
• Examining Discretized Streams
• Ingesting TCP Socket Input Streams
• Reading File Input Streams
• Receiving Akka Actor Input Streams
• Consuming Kafka Input Streams
• Ingesting Flume Input Streams
• Setting Up Kinesis Input Streams
• Configuring Twitter Input Streams
• Implementing Custom Input Streams
• Describing Receiver Reliability

Transformations on DStreams

Course: 1 Hour, 19 Minutes

• Using UpdateStateByKey Operations
• Performing Transform Operations
• Performing Window Operations
• Performing Join Operations
• Using Output Operations on DStreams
• Using Data Frames and SQL Operations
• Using Learning Algorithms with MLlib
• Persisting Stream Data in Memory
• Enabling and Configuring Checkpointing
• Deploying Applications
• Monitoring Applications
• Reducing Batch Processing Times

Performance Tuning

Course: 19 Minutes

• Setting Batch Intervals
• Tuning Memory Usage
• Examining the Semantics of Fault Tolerance

Practice: Transformations on Dstreams

Course: 6 Minutes

• Exercise: Perform Transformations on DStreams

Machine Learning with MLlib

Course: 1 Hour, 12 Minutes

• Course Introduction
• Describing Data Types
• Examining Basic Statistics
• Exploring Linear SVMs
• Performing Logistic Regression
• Using Naive Bayes
• Creating Decision Trees
• Using Collaborative Filtering with ALS
• Clustering with K-means
• Clustering with Latent Dirichlet Allocation (LDA)
• Analyzing with Frequent Pattern Mining

GraphX

Course: 57 Minutes

• Examining the Property Graph
• Exploring the Graph Operators
• Performing Analytics with Neighborhood Aggregation
• Messaging with Pregel API
• Building Graphs
• Examining Vertex and Edge RDDs
• Optimizing Representation Through Partitioning
• Measuring Vertices with PageRank

R and Spark

Course: 37 Minutes

• Installing SparkR
• Running SparkR
• Using Existing R Packages
• Exposing RDDs as Distributed Lists
• Interoperating with DataFrames
• Using Parquet Files
• Running on a Cluster

Practice: Use MLlib

Course: 10 Minutes

• Exercise: Use MLlib

Specificaties

Taal: Engels
Kwalificaties van de Instructeur: Gecertificeerd
Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen
Lesduur: 7:42 uur
Voortgangsbewaking: Ja
Toegang tot Materiaal: 365 dagen
Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge.
Support of Ondersteuning: Helpdesk en online kennisbank 24/7
Certificering: Certificaat van deelname in PDF formaat
Prijs en Kosten: Cursusprijs zonder extra kosten
Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie
Award Winning E-learning: Ja

Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.