       用Spark和Python通过PySpark处理大数据培训

介绍

了解大数据

Spark概述

Python概述

PySpark概述

使用弹性分布式数据集框架分发数据
使用Spark API运算符分布计算
设置Python和Spark

设置PySpark

针对Spark使用Amazon Web Services（AWS）EC2实例

设置数据块

设置AWS EMR集群

学习Python编程的基础知识

Python入门
使用Jupyter Notebook
使用变量和简单的数据类型
使用列表
使用 if 语句
使用用户输入
处理while循环
实现函数
使用类
处理文件和异常
处理项目、数据、API
学习Spark DataFrame的基础知识

Spark DataFrames入门
用Spark实现基本操作
使用Groupby和聚合操作
使用时间戳和日期
进行Spark DataFrame项目练习

了解用MLlib进行机器学习

使用MLlib、Spark和Python进行机器学习

了解回归

学习线性回归理论
实现回归评估代码
进行线性回归示例练习
学习Logistic回归理论
实现一个Logistic回归代码
进行Logistic回归示例练习
了解随机森林（Random Forests）和决策树（Decision Trees）

学习树方法论（Tree Methods Theory）
实现决策树和随机森林代码
进行随机森林分类示例练习
使用K均值聚类

了解K均值聚类理论
实现K均值聚类代码
进行群集示例练习
使用推荐系统

实现自然语言处理

理解自然语言处理（NLP）
NLP工具概述
进行NLP示例练习
在Python中用Spark进行流式处理

用Spark进行流式处理概述
Spark流数据处理（Spark Streaming）示例练习