Ciencia de Datos para Big Data Analytics

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o presencial) está dirigida a científicos de datos que desean utilizar el ecosistema Anaconda para capturar, administrar e implementar paquetes y flujos de trabajo de análisis de datos en una sola plataforma.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Anaconda componentes y bibliotecas.
• Comprender los conceptos básicos, las características y los beneficios de Anaconda.
• Administre paquetes, entornos y canales con Anaconda Navigator.
• Utilice los paquetes Conda, R y Python para la ciencia de datos y el aprendizaje automático.
• Conozca algunos casos de uso prácticos y técnicas para la gestión de múltiples entornos de datos.

El análisis de Big Data implica el proceso de examinar grandes cantidades de conjuntos de datos variados para descubrir correlaciones, patrones ocultos y otras ideas útiles.

La industria de la salud tiene cantidades masivas de datos clínicos y médicos heterogéneos complejos. La aplicación de análisis de big data en datos de salud presenta un enorme potencial para obtener información para mejorar la prestación de servicios de salud. Sin embargo, la magnitud de estos conjuntos de datos plantea grandes desafíos en los análisis y aplicaciones prácticas en un entorno clínico.

En esta capacitación en vivo (remota) dirigida por un instructor, los participantes aprenderán cómo realizar análisis de big data en salud a medida que realizan una serie de ejercicios prácticos de laboratorio en vivo.

Al final de esta capacitación, los participantes podrán:

• Instale y configure herramientas de análisis de big data como Hadoop MapReduce y Spark
• Comprender las características de los datos médicos.
• Aplicar técnicas de big data para manejar datos médicos.
• Estudiar los sistemas y algoritmos de big data en el contexto de las aplicaciones de salud.

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia en parte, discusión en parte, ejercicios y práctica práctica.

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o presencial) está dirigida a administradores de sistemas que desean aprender a configurar, implementar y administrar Hadoop clústeres dentro de su organización.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Apache Hadoop.
• Comprenda los cuatro componentes principales del ecosistema Hadoop: HDFS, MapReduce, YARN y Hadoop Common.
• Utilice Hadoop Sistema de archivos distribuido (HDFS) para escalar un clúster a cientos o miles de nodos.  
• Configure HDFS para que funcione como motor de almacenamiento para implementaciones de Spark locales.
• Configure Spark para acceder a soluciones de almacenamiento alternativas, como Amazon S3, y NoSQL sistemas de bases de datos como Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Lleve a cabo tareas administrativas como el aprovisionamiento, la gestión, la supervisión y la seguridad de un clúster Apache Hadoop.

En este entrenamiento dirigido por un instructor en Argentina (presencial o remoto), los participantes aprenderán cómo configurar e integrar diferentes marcos de procesamiento de secuencias con sistemas existentes de almacenamiento de datos grandes y aplicaciones de software y microservicios relacionados.

Al final de este entrenamiento, los participantes podrán:

• Instalar y configurar diferentes marcos de procesamiento de secuencias, como Spark Streaming y Kafka Streaming.
• Comprender y seleccionar el marco más apropiado para el trabajo.
• Procesar datos continuamente, concurrentemente y en un registro por registro.
• Integrar soluciones de procesamiento de secuencias con bases de datos existentes, data warehouses, lagos de datos, etc.
• Integrar la biblioteca de procesamiento de secuencias más apropiada con aplicaciones empresariales y microservicios.

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean aprender y desarrollar sus carreras en Data Science utilizando Kaggle.

Al final de esta formación, los participantes serán capaces de:

• Más información sobre la ciencia de datos y el aprendizaje automático.
• Explora el análisis de datos.
• Obtenga más información sobre Kaggle y cómo funciona.

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean usar Modin para crear e implementar cálculos paralelos con Pandas para un análisis de datos más rápido.

Al final de esta formación, los participantes serán capaces de:

• Configure el entorno necesario para comenzar a desarrollar Pandas flujos de trabajo a escala con Modin.
• Comprender las características, la arquitectura y las ventajas de Modin.
• Conoce las diferencias entre Modin, Dask y Ray.
• Realice Pandas operaciones más rápido con Modin.
• Implemente toda la API Pandas y las funciones.

Este curso de formación dirigido por un instructor en Argentina (en línea o presencial) está destinado a científicos de datos y desarrolladores que deseen utilizar RAPIDS para crear pipelines, flujos de trabajo y visualizaciones aceleradas por GPU, aplicando algoritmos de aprendizaje automático como XGBoost, cuML, etc.

Al final de este curso, los participantes podrán:

• Configurar el entorno de desarrollo necesario para construir modelos de datos con NVIDIA RAPIDS.
• Comprender las características, componentes y ventajas de RAPIDS.
• Aprovechar GPUs para acelerar pipelines de datos y análisis de extremo a extremo.
• Implementar la preparación de datos y ETL acelerados por GPU con cuDF y Apache Arrow.
• Aprender a realizar tareas de aprendizaje automático con los algoritmos XGBoost y cuML.
• Crear visualizaciones de datos y ejecutar análisis de grafos con cuXfilter y cuGraph.

Este curso de formación dirigido por un instructor en Argentina (en línea o presencial) está destinado a científicos de datos que deseen utilizar la pila SMACK para crear plataformas de procesamiento de datos para soluciones de big data.

Al finalizar este curso, los participantes serán capaces de:

• Implementar una arquitectura de pipeline de datos para el procesamiento de big data.
• Desarrollar una infraestructura en clúster con Apache Mesos y Docker.
• Analizar datos con Spark y Scala.
• Administrar datos no estructurados con Apache Cassandra.

Este curso de formación dirigido por un instructor en Argentina (en línea o presencial) está destinado a ingenieros que deseen configurar e implementar el sistema Apache Spark para procesar cantidades muy grandes de datos.

Al finalizar este curso, los participantes serán capaces de:

• Instalar y configurar Apache Spark.
• Procesar y analizar rápidamente conjuntos de datos muy grandes.
• Comprender la diferencia entre Apache Spark y Hadoop MapReduce y cuándo utilizar cada uno.
• Integrar Apache Spark con otras herramientas de aprendizaje automático.

La curva de aprendizaje de Apache Spark aumenta lentamente al principio, y requiere mucho esfuerzo para obtener los primeros resultados. Este curso tiene como objetivo superar la primera parte difícil. Después de completar este curso, los participantes entenderán los conceptos básicos de Apache Spark, diferenciarán claramente RDD de DataFrame, aprenderán las API de Python y Scala, comprenderán los ejecutores y tareas, etc. Además, siguiendo las mejores prácticas, este curso se centra fuertemente en la implementación en la nube, Databricks y AWS. Los estudiantes también entenderán las diferencias entre AWS EMR y AWS Glue, uno de los servicios más recientes de Spark de AWS.

AUDIENCIA:

Data Engineer, DevOps, Data Scientist

OBJETIVO:

Este curso introducirá Apache Spark. Los estudiantes aprenderán cómo Spark se integra en el ecosistema de Big Data y cómo utilizar Spark para el análisis de datos. El curso cubre la consola de Spark para el análisis de datos interactivos, los internos de Spark, las API de Spark, Spark SQL, Spark Streaming, y machine learning y GraphX.

PÚBLICO OBJETIVO:

Desarrolladores / Analistas de Datos

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o presencial) está dirigida a científicos de datos y desarrolladores que deseen utilizar Spark NLP, construido sobre Apache Spark, para desarrollar, implementar y escalar modelos y tuberías de procesamiento de texto en lenguaje natural.

Al final de esta formación, los participantes serán capaces de:

• Configure el entorno de desarrollo necesario para comenzar a crear canalizaciones de NLP con Spark NLP.
• Comprender las características, la arquitectura y los beneficios del uso de Spark NLP.
• Utilice los modelos previamente entrenados disponibles en Spark NLP para implementar el procesamiento de texto.
• Aprenda a crear, entrenar y escalar modelos Spark NLP para proyectos de producción.
• Aplique la clasificación, la inferencia y el análisis de sentimientos en casos de uso del mundo real (datos clínicos, información sobre el comportamiento de los clientes, etcétera).

En esta capacitación en vivo dirigida por un instructor en Argentina, los participantes aprenderán a usar Python y Spark juntos para analizar big data mientras trabajan en ejercicios prácticos.

Al final de esta formación, los participantes serán capaces de:

• Aprenda a usar Spark con Python para analizar Big Data.
• Trabaja en ejercicios que imiten casos del mundo real.
• Utilice diferentes herramientas y técnicas para el análisis de big data utilizando PySpark.

Spark SQL es el módulo de Apache Spark para trabajar con datos estructurados y no estructurados. Spark SQL proporciona información sobre la estructura de los datos, así como sobre el cálculo que se está realizando. Esta información puede utilizarse para realizar optimizaciones. Dos usos comunes de Spark SQL son:
- ejecutar consultas SQL.
- leer datos de una instalación existente de Hive.

En este entrenamiento dirigido por un instructor (presencial o remoto), los participantes aprenderán a analizar diversos conjuntos de datos utilizando Spark SQL.

Al final de este curso, los participantes podrán:

• Instalar y configurar Spark SQL.
• Realizar análisis de datos con Spark SQL.
• Consultar conjuntos de datos en diferentes formatos.
• Visualizar datos y resultados de consultas.

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar un entrenamiento personalizado para este curso, contáctenos para hacer los arreglos necesarios.

Stratio es una plataforma centrada en datos que integra big data, IA y gobernanza en una sola solución. Sus módulos Rocket e Intelligence permiten la exploración rápida de datos, transformaciones y análisis avanzados en entornos empresariales.

Este entrenamiento en vivo dirigido por un instructor (online o presencial) está orientado a profesionales intermedios en datos que desean utilizar los módulos Rocket e Intelligence de Stratio eficazmente con PySpark, enfocándose en estructuras de bucles, funciones definidas por el usuario y lógica avanzada de datos.

Al finalizar este entrenamiento, los participantes podrán:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Intelligence.
• Aplicar PySpark en el contexto de ingesta, transformación y análisis de datos.
• Usar bucles y lógica condicional para controlar flujos de trabajo de datos y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDFs) para operaciones reutilizables en PySpark.

Formato del Curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.