Formation Spark & Machine Learning
2200€
1980€HT/ personne
3 jours (21 heures)
Présentation
Spark est un framework pour effectuer des calculs distribués sur un cluster d’ordinateurs. Cette formation présente la toute nouvelle version 2.3.2 sortie en septembre 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 4 des 5 principaux composants de Spark :
1. Spark Core
2. Spark SQL
3. Spark Streaming
4. Spark ML
Le module non présenté est celui sur les graphes (GraphX) [En option pour cette formation]
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 Scala au choix du participant).
Objectifs
- Être capable d’installer et 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
Public visé
Développeurs, Architectes, Administrateurs systèmes, DevOps
Pré-requis
- Connaissances de base d’un système Unix
- Connaissance de Python (ou Scala) & Git
- Culture orientée stats
Programme de la formation Spark et Machine Learning
Jour 1 – Comprendre et utiliser Spark 2
Pourquoi Spark ?
Installation
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
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
Jour 3 – Spark 2 en mode avancé : Manipuler les données à grande échelle
Spark Streaming
- StreamingContext
- Static et Dynamic Datasets
- Continuous Aggregations
- Avantages de DStreams
- Encoders
- Analyse temps-réel d’un fichier de log (Real-Time Analytics)
- Gagner en efficacité grâce à Catalyst Optimizer et Tungsten Engine
- Intégration avec Flume
- Création d’agents, de sources, channel et sink
- Sérialisation avec Avro RPC
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
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
J’aide les entreprises à construire une Stratégie Data à court et moyen terme en identifiant pour quels enjeux la data peut avoir une contribution significative. Ma double expérience en développement d’entreprise et en développement informatique me permet de dialoguer en même temps avec les dirigeants d’entreprise et les équipes techniques.
Témoignages
Mes deux collègues sont très satisfaits de la formation SPARK, merci.
Afficher tous les témoignages
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 -apache-spark-v2-et-tuning-avancee/ »>la formation avancée Spark & Tuning
Très bonne appréciation globale sur cette formation
Noter la formation
2200€
1980€HT/ personne
3 jours (21 heures)
Une question ? Un projet ?
Pour des informations complémentaires, n’hésitez pas à nous contacter.