Ihr Warenkorb
Keine Artikel in Ihrem Warenkorb
Apache Spark Apache Spark Advanced Topics E-Learning Kurs
Apache Spark Advanced Topics E-Learning Kurs
€139,00 €159,00

Woanders günstiger?

Lass uns wissen!

+31367601019 [email protected]

Apache Spark Advanced Topics E-Learning Kurs

Marke: Apache Spark
|
Klicken um zu vergrößern
€139,00 €159,00 exkl. MwSt.
€161,24 €184,44 Inkl. MwSt.
  • Kaufen Sie 2 für je €155,82 und sparen Sie 2%
  • Kaufen Sie 3 für je €154,23 und sparen Sie 3%
  • Kaufen Sie 5 für je €147,87 und sparen Sie 7%
  • Kaufen Sie 10 für je €143,10 und sparen Sie 10%
  • Kaufen Sie 25 für je €135,15 und sparen Sie 15%
  • Kaufen Sie 50 für je €124,02 und sparen Sie 22%
  • Kaufen Sie 100 für je €111,30 und sparen Sie 30%
  • Kaufen Sie 200 für je €79,50 und sparen Sie 50%
Auf Lager
|
Bestellung vor 16.00 Uhr und heute starten.
Sie haben counting... stunden
  • 1 Jahr Zugang
  • Beginnen Sie noch heute
  • Teilnahmezertifikat
Informationen

Apache Spark Advanced Topics Elearning

Order this unique E-learning Apache Spark Advanced Topics course online, 1 year 24/7 access to rich interactive videos, voice, progress monitoring through reports tests.

Content

Spark Core

  • start the course
  • recall what is included in the Spark Stack
  • define lazy evaluation as it relates to Spark
  • recall that RDD is an interface comprised of a set of partitions, list of dependencies, and functions to compute
  • pre-partition an RDD for performance
  • store RDDS in serialized form
  • perform numeric operations on RDDs
  • create custom accumulators
  • use broadcast functionality for optimization
  • pipe to external applications
  • adjust garbage collection settings
  • perform batch import on a Spark cluster
  • determine memory consumption
  • tune data structures to reduce memory consumption
  • use Spark's different shuffle operations to minimize memory usage of reduce tasks
  • set the levels of parallelism for each operation
  • create DataFrames
  • interoperate with RDDs
  • describe the generic load and save functions
  • read and write Parquet files
  • use JSON Dataset as a DataFrame
  • read and write data in Hive tables
  • read and write data using JDBC
  • run the Thrift JDBC/OCBC server
  • show the different ways to tune up Spark for better performance

Spark Streaming

  • start the course
  • describe what a DStream is
  • recall how TCP socket input streams are ingested
  • describe how file input streams are read
  • recall how Akka Actor input streams are received
  • describe how Kafka input streams are consumed
  • recall how Flume input streams are ingested
  • set up Kinesis input streams
  • configure Twitter input streams
  • implement custom input streams
  • describe receiver reliability
  • use the UpdateStateByKey operation
  • perform transform operations
  • perform Window operations
  • perform join operations
  • use output operations on Streams
  • use DataFrame and SQL operations on streaming data
  • use learning algorithms with MLlib
  • persist stream data in memory
  • enable and configure checkpointing
  • deploy applications
  • monitor applications
  • reduce batch processing times
  • set the right batch interval
  • tune memory usage
  • describe fault tolerance semantics
  • perform transformations on Dstreams

MLlib, GraphX, and R

  • start the course
  • describe data types
  • recall the basic statistics
  • describe linear SVMs
  • perform logistic regression
  • use naïve bayes
  • create decision trees
  • use collaborative filtering with ALS
  • perform clustering with K-means
  • perform clustering with LDA
  • perform analysis with frequent pattern mining
  • describe the property graph
  • describe the graph operators
  • perform analytics with neighborhood aggregation
  • perform messaging with Pregel API
  • build graphs
  • describe vertex and edge RDDs
  • optimize representation through partitioning
  • measure vertices with PageRank
  • install SparkR
  • run SparkR
  • use existing R packages
  • expose RDDs as distributed lists
  • convert existing RDDs into DataFrames
  • read and write parquet files
  • run SparkR on a cluster
  • use the algorithms and utilities in MLlib
Haben Sie nicht gefunden, wonach Sie suchen?
Lassen Sie uns helfen!
Eigenschaften
Produkt
Allgemeine Eigenschaften
Studiengebühr: 5 Stunden Dauer plus Übungen (variabel)
Sprache: Englisch
Online-Zugang: 1 Jahr
Teilnahmebescheinigung: Ja, nach 70% der erfolgreichen Einsätze
Fortschrittsüberwachung: Ja
Geeignet für Handys: Ja
Preisgekröntes E-Learning: Ja
Bewertungen
Durchschnitt von 0 Bewertungen
Kein Bewertungen
Lesen oder schreiben Sie einen Kommentar
Schreiben Sie eine Bewertung!




Wir benutzen Cookies nur für interne Zwecke um den Webshop zu verbessern. Ist das in Ordnung? Ja Nein Für weitere Informationen beachten Sie bitte unsere Datenschutzerklärung. »