Büyük veride ileri analitik modeller kur
Büyük veride ileri analitiği Spark ile öğreten ileri seviye eğitim: analitik olgunluk ve EDA, MLlib ile öznitelik mühendisliği ve pipeline, regresyon/sınıflandırma/kümeleme algoritmaları, AUC/F1/RMSE ile değerlendirme, hiperparametre ayarı ve model üretime al…
Spark MLlib, öznitelik mühendisliği ve ileri analitik
Bu ileri seviye eğitim, büyük veri üzerinde ileri analitik ve makine öğrenmesini Apache Spark ile ele alır. Analitik olgunluk (tanımlayıcıdan reçete ediciye), keşifçi veri analizi ve istatistik temelleri işlenir. Spark MLlib ile öznitelik mühendisliği (VectorAssembler, StringIndexer, OneHotEncoder, ölçekleme), pipeline kurma; regresyon, sınıflandırma ve kümeleme algoritmaları uygulanır. Model değerlendirme metrikleri (RMSE, AUC, F1), çapraz doğrulama ve hiperparametre ayarı (CrossValidator), model kaydetme ve üretime alma (batch/stream skorlama) ele alınır. Katılımcılar büyük bir veri setinde uçtan uca bir ML hattı (pipeline) kurar ve değerlendirir.
4 Gün. Her gün dört modül; katılımcılar keşiften öznitelik mühendisliğine, modellemeye ve üretime alıma ilerler.
İleri Seviye — Büyük veri üzerinde ileri analitik: Spark MLlib ile makine öğrenmesi, öznitelik mühendisliği ve model üretime alma.
Katılımcılar gerçek bir veri seti üzerinde PySpark MLlib ile uçtan uca bir model hattı kurup metriklerle değerlendirerek öğrenir.
Spark MLlib ile büyük veri üzerinde dağıtık makine öğrenmesi yaparsınız.
Ham veriyi modele hazır özniteliklere dönüştürürsünüz.
Modeli batch ve stream skorlamayla üretime taşırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Spark DataFrame ve PySpark temeline aşinalık beklenir.
pandas ve temel Python bilgisi faydalıdır.
Temel istatistik ve makine öğrenmesi kavramları yararlıdır.
Spark çalıştırabilen bir ortam veya bulut kümesi.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
İleri analitik türlerini ayırt eder ve seçersiniz.
Spark ile keşifçi veri analizi yaparsınız.
Ham veriyi modele hazır özniteliklere dönüştürürsünüz.
MLlib pipeline ile tekrarlanabilir akış kurarsınız.
Regresyon, sınıflandırma ve kümeleme modelleri eğitirsiniz.
AUC, F1 ve RMSE ile modeli doğru değerlendirirsiniz.
CrossValidator ile modeli ayarlarsınız.
Modeli batch/stream skorlamayla üretime taşırsınız.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Apache Ranger ile merkezi Hadoop yetkilendirmesi: HDFS/Hive politikaları, satır filtreleme, sütun maskeleme, tag tabanlı erişim ve denetim. İleri seviye eğitim.
Detayları Gör →
Büyük verinin hacim ve hızını yönetip akıllı veriye çevirin: batch/stream işleme, Lambda/Kappa mimarisi, Kafka, Spark ve veri kalitesi. Orta seviye eğitim.
Detayları Gör →
Azure HDInsight ve Hive ile perakende satış analizi: cluster kurulumu, Blob/ADLS, external tablolar, partitioning, ORC ve Power BI. Uygulamalı orta seviye eğiti
Detayları Gör →
Hive performansı: map/bucket/SMB join, partition pruning, bucketing, veri çarpıklığı, EXPLAIN plan okuma ve sorun giderme. Uygulamalı ileri seviye eğitim.
Detayları Gör →
Kamu kurumları için büyük veri ve iş zekası: açık veri, gösterge panoları, hizmet metrikleri, usulsüzlük analitiği, KVKK ve veri yönetişimi. Orta seviye eğitim.
Detayları Gör →