Formation Spark & Machine Learning
Présentation
Spark est un framework pour effectuer des calculs distribués sur un cluster d’ordinateurs. Cette formation présente la toute nouvelle version 2.4 sortie en novembre 2018, qui apporte un lot considérable de nouveautés ainsi qu’une amélioration impressionnante des performances !
Créé en 2009 à Berkeley, il est en train de devenir la plateforme « Big Data » privilégiée, qui remplace peu à peu l’écosystème Hadoop, grâce à des API unifiées en Java, Scala, Python, R qui le rendent très facile d’usage.
La formation passe en revue les principaux composants de Spark, ainsi que les nouveaux packages :
- Spark Core
- Spark SQL
- Spark Streaming
- Spark ML
- GraphFrame
- SparkR
- Deep Learning pipeline
La formation présente aussi l’intégration de Spark avec HDFS. Elle présente l’API Python de Spark. Les travaux pratiques sont réalisés en Python (ou bien Scala en option).
Objectifs
- Être capable d’utiliser Spark 2 et ses nouveautés de manière autonome
- Comprendre le concept de Machine Learning et être capable de l’utiliser dans Spark 2
- Manipuler des volumes importants de données en utilisant les bonnes pratiques dans Spark 2
- Comprendre la documentation et l’eco-système du Big Data
Public visé
Développeurs, Architectes, Administrateurs systèmes, DevOps
Pré-requis
- Connaissances de base d’un système Unix
- Connaissance de Python & Git
- Culture orientée stats
Programme de la formation Spark et Machine Learning
Jour 1 – Comprendre et utiliser Spark 2
Contexte et problématique du Big Data – Calcul distrubué
Pourquoi Spark ?
Installation en standalone , test avec jupyter
Spark Core (Remplaçant de MapReduce)
- RDD Resilient Distributed Datasets
- PairedRDD
- Spark Context VS Spark Session
- DAG Directed Acyclic Graph
- RDD Objects, DAG Scheduler, Task Scheduler, Worker
- Hadoop et HDFS
- NameNode & DataNode
- core-site, hdfs-site
- Spark sur un Cluster
- Spark Standalone : Cluster Manager, Worker, Executor, Spark Context
- Mesos (Private Cluster), Marathon, YARN
- Structured API
Spark SQL (Remplaçant de HIVE)
- SQLContext
- HiveContext
- DataFrames
- Spark Structure, Schéma et partitionnement
Jour 2 – Appréhender le Machine Learning et son intégration dans Spark 2
Spark ML (Remplaçant de Mahout)
Introduction au Machine Learning (ML)
- Apprentissage supervisé
- Apprentissage non-supervisé
- Clustering : KNN, K-mean
- Régression : Arbre de régression
- Classification : Random Forest, SVM, AUC, Courbe ROC
Spark ML – Introduction
- Pipelines : Transformer, Estimator, Model
- ML persistence
- MLlib in R & PySpark
DataVisualisation
- Matplotlib
- Seaborn
- Plotly
- Bokeh
GraphFrame
- Présentation du package
Jour 3 – Spark 2 en mode avancé : Manipuler les données à grande échelle
Spark Streaming
- Structured Streaming API
- StreamingContext
- Static et Dynamic Datasets
- Continuous Aggregations
- Encoders
- Analyse temps-réel d’un fichier de log (Real-Time Analytics)
- Gagner en efficacité grâce à Catalyst Optimizer et Tungsten Engine
- Création d’agents, de sources, channel et sink
- Sérialisation avec Avro RPC
SparkR
- Présentation du package
Deep Learning pipeline
- Présentation du package
- Concept de transfert learning
Conclusion
- Lambda VS Kappa architecture
Langues et Lieux disponibles
Langues
- Français
- Anglais / English
Lieux
- France entière
- Paris
- Lille
- Reims
- Lyon
- Toulouse
- Bordeaux
- Montpellier
- Nice
- Sophia Antipolis
- Marseille
- Aix-en-Provence
- Nantes
- Rennes
- Strasbourg
- Grenoble
- Dijon
- Tours
- Saint-Étienne
- Toulon
- Angers
- Belgique
- Bruxelles
- Liège
- Suisse
- Genève
- Zurich
- Lausanne
- Luxembourg
Nos Formateurs Référents
Romain
Témoignages
Le support de cours permet de couvrir une grande diversité de cas d’usage. Le formateur de par son expérience donne de nombreux exemples concrets.
Afficher tous les témoignages
Le support de cours permet de couvrir une grande diversité de cas d’usage. Le formateur de par son expérience donne de nombreux exemples concrets.
J’ai apprécié les points concrets du formateur, qui tire son expérience de dev + mise en œuvre.
J’aurai apprécié la dernière journée plus d’exercices illustrant spark ui et son déploiement. ML et streaming sont hors sujet de mon point de vue (pas d’intérêt pour ma part).
Réponse d'Ambient Formations
Merci pour votre retour, en effet sur les 3 jours le programme aborde à minima 1 jour ML et Stream.
Nous avons un second programme sur 4 jours sur la partie Tuning.
Formateur qui maîtrise parfaitement son sujet, à l’écoute des participants formés.
+ Contenu assez riche (surtout 2ème journée)
+ Nécessite de la pratique (1er et 3ème jour)
+ Exercices proposés assez intéressants et variés
Mes deux collègues sont très satisfaits de la formation SPARK, merci.
Je pense que je me suis trompé dans le choix de formation, je ne pensais pas avoir une introduction sur spark et hadoop. J’ai trouvé quelques approximations et erreurs dans les informations apportées, cependant j’ai beaucoup apprécié les parties sur le streaming et le machine learning. Dommage qu’il n’y ait pas eu une petite partie sur les graphes.
Réponse d'Ambient Formations
Bonjour Michael & merci pour votre commentaire – En 2018, afin de répondre à la demande de nos clients : nous avons ouvert une formation plus orientée « Production » avec Spark & Tuning, si vous êtes libre lors de la prochaine session, nous essayerons de vous y convier.
Très bonnes aptitudes du formateur
J’ai trouvé la formation trop orientée analyse stat ou base de données. Je suis dans un domaine + orienté calcul scientifique et j’aurais préféré plus approfondir spark plutôt qu’une intro au machine learning.
Exo trop difficiles, pas assez de temps.
J’aurais préféré passer moins de temps à la config du cluster, mais plus de temps dispo pour pouvoir vraiment faire les exos.
Prérequis pas assez clairs : connaissance de base linux, culture orientée stat, git, python etc… il faut connaître pas mal de choses pour faire les exos dans le temps limité
Réponse d'Ambient Formations
Merci Jean-Michel, nous avons pris en compte votre avis notamment sur la section Prérequis que nous avons mise à jour.
La partie Machine Learning est assumée dans le programme de cours, car c’est la spécialité du formateur, néanmoins nous avons ouvert une session complémentaire orientée Prod avec www.ambient-it.net/formation/formation-apache-spark-v2-et-tuning-avancee/ »>la formation avancée Spark & Tuning
Très bonne appréciation globale sur cette formation
Bon équilibre entre théorie et pratique, très bonne salle de formation
Satisfaisant , bonne couverture des sujets.
Très bonne formation, qui a globalement répondu à mes attentes et démystifié Spark. Développer de A à Z un micro projet ML et le mettre en production à la fin de la formation aurait été un gros plus.
Très bonne formation sur Spark ML, Kafka & Cassandra pour la suite en Janvier 2018 !
Cette formation correspond à mes objectifs
La formation correspond aux attentes des différentes stagiaires. Romain a pu nous apporter des connaissances autant techniques que fonctionnelles pour appliquer spark et le machine learning en entreprise grâce à son expérience et des situations vécues dans ses projets antérieurs.
