PySpark大數(shù)據(jù)計(jì)算教程
PySpark大數(shù)據(jù)計(jì)算教程
了解如何將 Spark 與 Python 結(jié)合使用，包括 Spark Streaming、機(jī)器學(xué)習(xí)、Spark 2.0 DataFrames 等！
課程英文名：Spark and Python for Big Data with PySpark
此視頻教程共4.0小時(shí)，中英雙語(yǔ)字幕，畫質(zhì)清晰無(wú)水印，源碼附件全
下載地址
課程編號(hào)：346
百度網(wǎng)盤地址：https://pan.baidu.com/s/1mCEdU86NEamaGifJimRVBw?pwd=jtdn
課程內(nèi)容
你會(huì)學(xué)到什么
結(jié)合使用 Python 和 Spark 分析大數(shù)據(jù)
了解如何使用新的 Spark 2.0 DataFrame 語(yǔ)法
從事模擬現(xiàn)實(shí)世界情況的咨詢項(xiàng)目！
使用邏輯回歸對(duì)客戶流失進(jìn)行分類
使用帶有隨機(jī)森林的 Spark 進(jìn)行分類
學(xué)習(xí)如何使用 Spark 的梯度提升樹(shù)
使用 Spark 的 MLlib 創(chuàng)建強(qiáng)大的機(jī)器學(xué)習(xí)模型
了解 DataBricks 平臺(tái)！
在 Amazon Web Services EC2 上進(jìn)行設(shè)置以進(jìn)行大數(shù)據(jù)分析
了解如何使用 AWS Elastic MapReduce 服務(wù)！
了解如何在 Spark 環(huán)境中利用 Linux 的強(qiáng)大功能！
使用 Spark 和自然語(yǔ)言處理創(chuàng)建垃圾郵件過(guò)濾器！
使用 Spark Streaming 實(shí)時(shí)分析推文！
本課程包括：
10.5 小時(shí)點(diǎn)播視頻
4 篇文章
4 可下載資源
在手機(jī)和電視上訪問(wèn)
結(jié)業(yè)證書
要求
任何語(yǔ)言的一般編程技能（最好是 Python）
本地計(jì)算機(jī)上 20 GB 的可用空間（或者 AWS 的強(qiáng)大互聯(lián)網(wǎng)連接）
描述
學(xué)習(xí)最新的大數(shù)據(jù)技術(shù)Spark！并學(xué)習(xí)將它與最流行的編程語(yǔ)言之一 Python 一起使用！
最有價(jià)值的技術(shù)技能之一是分析海量數(shù)據(jù)集的能力，本課程專門設(shè)計(jì)用于讓您快速了解完成這項(xiàng)任務(wù)的最佳技術(shù)之一，Apache Spark！谷歌、Facebook、Netflix、Airbnb、亞馬遜、NASA等頂級(jí)科技公司都在使用Spark來(lái)解決他們的大數(shù)據(jù)問(wèn)題！
Spark 的執(zhí)行速度比 Hadoop MapReduce 快 100 倍，這導(dǎo)致對(duì)該技能的需求激增！由于?Spark 2.0 DataFrame?框架如此新穎，您現(xiàn)在有能力迅速成為就業(yè)市場(chǎng)上知識(shí)最淵博的人之一！
本課程將通過(guò) Python 速成課程教授基礎(chǔ)知識(shí)，繼續(xù)學(xué)習(xí)如何使用最新 Spark 2.0 語(yǔ)法的 Spark DataFrames！完成后，我們將介紹如何將 MLlib 機(jī)器庫(kù)與 DataFrame 語(yǔ)法和 Spark 一起使用。在此過(guò)程中，您將進(jìn)行練習(xí)和模擬咨詢項(xiàng)目，讓您置身于需要使用新技能解決實(shí)際問(wèn)題的現(xiàn)實(shí)世界中！
我們還介紹了最新的 Spark 技術(shù)，例如 Spark SQL、Spark Streaming，以及諸如 Gradient Boosted Trees 等高級(jí)模型！完成本課程后，您會(huì)很自在地將 Spark 和 PySpark 放在簡(jiǎn)歷上！本課程還提供完整的 30 天退款保證，并附有 LinkedIn 結(jié)業(yè)證書！
如果您準(zhǔn)備好進(jìn)入 Python、Spark 和大數(shù)據(jù)的世界，那么這門課程適合您！
本課程適用于：
了解 Python 并想學(xué)習(xí)如何將其用于大數(shù)據(jù)的人
非常熟悉另一種編程語(yǔ)言并需要學(xué)習(xí) Spark 的人
