Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengantar ke Platform Stratio
- Ringkasan arsitektur dan modul inti Stratio
- Peran Rocket dan Intelligence dalam siklus hidup data
- Masuk dan menjelajahi antarmuka pengguna (UI) Stratio
Bekerja dengan Modul Rocket
- Pemrosesan data masuk dan pembuatan pipa
- Menghubungkan sumber data dan mengonfigurasi transformasi
- Menggunakan PySpark untuk tugas pra-pemrosesan di Rocket
PySpark Essensial bagi Pengguna Stratio
- Struktur data dan operasi PySpark
- Konstruksi looping: penggunaan for, while, if/else
- Menulis fungsi kustom dengan def dan menerapkannya
Penggunaan Lanjutan Rocket dengan PySpark
- Pemrosesan data masuk streaming dan transformasi
- Menggunakan looping dan fungsi dalam skenario batch dan real-time
- Praktik terbaik untuk kinerja di pipa PySpark
Menjelajahi Modul Intelligence
- Ringkasan fitur pemodelan dan analisis data
- Pemilihan fitur, transformasi, dan eksplorasi
- Peran PySpark dalam analitik kustom dan insight
Membangun Alur Kerja Analitik Lanjutan
- Membuat fungsi terdefinisi pengguna (UDFs) di Intelligence
- Mengaplikasikan kondisional dan looping untuk logika data
- Kasus penggunaan: segmentasi, agregasi, dan prediksi
Penyebaran dan Collaboration
- Menyimpan, mengekspor, dan mengulang alur kerja
- Berkolaborasi dengan anggota tim lainnya di Stratio
- Memeriksa output dan mengintegrasikan dengan alat turunan
Ringkasan dan Langkah Berikutnya
Persyaratan
- Pengalaman dengan pemrograman Python
- Memahami konsep analitik data atau pengolahan big data
- Pengetahuan dasar tentang Apache Spark dan komputasi terdistribusi
Audience
- Data engineers yang bekerja pada platform berbasis Stratio
- Analitik atau pengembang yang menggunakan modul Rocket dan Intelligence
- Tim teknis yang beralih ke alur kerja PySpark dalam Stratio
Stratio: Modul Rocket dan Intelligence dengan PySpark
Pengenalan Platform Stratio
- Gambaran umum arsitektur Stratio dan modul inti
- Peran Rocket dan Intelligence dalam siklus hidup data
- Masuk dan navigasi antarmuka pengguna (UI) Stratio
Bekerja dengan Modul Rocket
- Pengambilan data dan pembuatan pipa
- Menghubungkan sumber data dan mengonfigurasi transformasi
- Menggunakan PySpark untuk tugas pra-pemrosesan dalam Rocket
Esensial PySpark bagi Pengguna Stratio
- Struktur data dan operasi PySpark
- Konstruksi looping: penggunaan for, while, if/else
- Menulis fungsi kustom dengan def dan mengaplikasikannya
Penggunaan Lanjutan Rocket dengan PySpark
- Pengambilan data real-time dan transformasi
- Menggunakan loop dan fungsi dalam skenario batch dan waktu nyata
- Praktik terbaik untuk kinerja pipa PySpark
Menjelajahi Modul Intelligence
- Gambaran umum fitur pemodelan data dan analisis
- Pemilihan fitur, transformasi, dan eksplorasi
- Peran PySpark dalam analitik kustom dan wawasan
Membangun Alur Kerja Analitik Lanjutan
- Membuat fungsi pengguna yang didefinisikan (UDFs) di Intelligence
- Mengaplikasikan kondisional dan loop untuk logika data
- Contoh kasus: segmentasi, agregasi, dan prediksi
Penerapan dan Collaboration
- Menyimpan, mengekspor, dan mengulang alur kerja
- Berkolaborasi dengan anggota tim lainnya di Stratio
- Memeriksa output dan mengintegrasikan dengan alat turunan
Ringkasan dan Langkah Selanjutnya
Stratio adalah platform yang berfokus pada data yang mengintegrasikan big data, AI, dan pengelolaan menjadi solusi tunggal. Modul Rocket dan Intelligence-nya memungkinkan pengeksplorasian, transformasi, dan analitik lanjutan data dengan cepat dalam lingkungan enterprise.
Pelatihan daring atau di tempat ini, yang dipandu oleh instruktur, ditujukan untuk profesional data level menengah yang ingin menggunakan modul Rocket dan Intelligence di Stratio secara efektif dengan PySpark, fokus pada struktur loop, fungsi pengguna yang didefinisikan, dan logika data lanjutan.
Dengan mengikuti pelatihan ini, peserta akan dapat:
- Navigasi dan bekerja di dalam platform Stratio menggunakan modul Rocket dan Intelligence.
- Menerapkan PySpark dalam konteks pengambilan data, transformasi, dan analisis.
- Menggunakan loop dan logika kondisional untuk mengontrol alur kerja data dan tugas engineering fitur.
- Membuat dan memanajemen fungsi pengguna yang didefinisikan (UDFs) untuk operasi data berulang di PySpark.
Format Kursus
- Lecture interaktif dan diskusi.
- Banyak latihan dan praktik.
- Implementasi langsung dalam lingkungan lab langsung.
Opsi Personalisasi Kursus
- Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk mengatur.
Experience with Python programming
Understanding of data analytics or big data processing concepts
Basic knowledge of Apache Spark and distributed computing
Audience
- Data engineers working on Stratio-based platforms
- Analysts or developers using Rocket and Intelligence modules
- Technical teams transitioning to PySpark workflows within Stratio
14 Jam
Testimoni (5)
Hands-on examples allowed us to get an actual feel for how the program works. Good explanations and integration of theoretical concepts and how they relate to practical applications.
Ian - Archeoworks Inc.
Kursus - ArcGIS Fundamentals
All the topics which he covered including examples. And also explained how they are helpful in our daily job.
madduri madduri - Boskalis Singapore Pte Ltd
Kursus - QGIS for Geographic Information System
Saya menyukai gaya Pablo, fakta bahwa ia mencakup banyak subjek mulai dari desain laporan, penyesuaian dengan html hingga penerapan algoritma ML sederhana. Go informasi / latihan teoretis yang seimbang. Pablo benar-benar membahas semua topik yang saya minati dan memberikan jawaban komprehensif atas pertanyaan saya.
Cristian Tudose - SC Automobile Dacia SA
Kursus - Advanced Data Analysis with TIBCO Spotfire
Diterjemahkan Mesin
The thing I liked the most about the training was the organization and the location
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
Kursus - ArcGIS for Spatial Analysis
I genuinely enjoyed the lots of labs and practices.
