Большую часть времени любого разработчика процессов анализа данных занимает разработка самого процесса по преобразованию данных на разных этапах. Предполагаются этапы сбора, очистки, агрегации данных, построения модели и предсказания характеристик. В четвертом модуле рассматриваются возможности построения надежных процессов преобразования данных.В более крупных компаниях данные превышают возможности одной типичной разработческой машины. Появляется потребность работы с алгоритмами, обрабатывающими данные в потоке, а также с кластером. В четвертом модуле разбираются процессы преобразования данных, слои данных, потоки данных и различные способы хранения и преобразования таких данных на кластере. Разберем возможности построения моделей на кластере. К концу модуля слушатели смогут уверенно использовать стек технологий Hadoop: писать задачи на MapReduce с использованием Java или Hadoop Streaming, использовать Hive и Spark для быстрого преобразования данных, расчета статистик, построения моделей на кластере. Занятие 25: Процесс CRISP-DM. Выбор хранилища, запросы к базе (Реляционная, нереляционная). Большие данные и параллельные вычисления. Кластер, hdfs, запросы к hdfs. Map Reduce, Java, Python, Необходимость в кластерных вычислениях. Парадигма MapReduce. Инструменты работы с большими данными. Hadoop, Spark, обзор других компонентов экосистемы. Развертывание кластера Hadoop локально для выполнения учебных примеров. Выполнение учебных примеров на кластере. ДЗ Настройка окружения для локальной работы с кластером. Выполнение на локальном кластере набора учебных задач. Занятие 26: Vowpal Wabbit для обучения линейных моделей на одной машине Занятие 27: MapReduce на Java, Hadoop Streaming - MapReduce на Python, bash ДЗ Реализация алгоритма с использованием MapReduce. Занятие 28: Пайплайны. Способы выстроить поток задач, обеспечить выполнение. Отказоустойчивость, мониторинг. Занятие 29: Слои данных для оптимизации процессов использования данных. Hive. ДЗ Реализация алгоритма с использованием Hive. Занятие 30: Организация хранения данных для решения задач машинного обучения Занятие 31: Spark Spark как инструмент быстрого доступа к данным. Spark как инструмент для машинного обучения. ДЗ Реализация алгоритма с использованием Spark. Занятие 32: Обзор решений для аналитики больших данных Vertica, Clickhouse. Основные преимущества и недостатки, для хранения и обработки данных. Агрегация, управление, эксперименты, анализ, визуализация и BI
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы
