HDP Analyst: Data Science

Beschreibung:

Dieser Kurs wird in Zusammenarbeit mit Hortonworks durchgeführt (siehe Original-Kursbeschreibung) und stellt gängige Verfahren und Praktiken aus den Themengebieten Data Science, Maschinellem Lernen und der Verarbeitung natürlicher Sprache vor. Dazu verwenden wir im Kurs als Programmiersprache Python (Keine Angst, es gibt eine kurze Einführung) und lernen die zugehörigen Werkzeuge wie IPython, NumPy, pandas, SciPy, Scikit-learn, die Hadoop-spezifischen Tools wie Apache Pig und Mahout, das Natural Language Toolkit (NLTK) und natürlich Spark mit seiner Bibliothek MLlib kennen.

Das Format ist wie gewohnt praxisorientiert und unsere Trainer teilen ihr Wissen und ihre Erfahrung in ca. 50% Theorie & Diskussionen sowie ca. 50% Labs & Übungen am eigenen Rechner mit Ihnen.

Schulungssprache

Deutsch, Material auf Englisch

Termine und Ort

auf Anfrage - Solingen

Teilnahmegebühr

1.800,– Euro zzgl. MwSt. (inklusive Mittagessen und Getränke)

Anmeldeformular

Teilnahmevoraussetzungen und Zielgruppe

Teilnehmer müssen mit mindestens einer Programmiersprache oder Skriptsprache Erfahrung haben. Sie müssen Grundkenntnisse in Statistik und/oder Mathematik und ein grundsätzliches Verständnis von Big Data und Hadoop haben. Teilnehmer benötigen einen eigenen leistungsfähigen Laptop mit mindestens 8GB Arbeitsspeicher und 50GB Plattenplatz.

Zielgruppe:

Der Kurs richtet sich an Architekten, Softwareentwickler, Analysten und Data Scientists, die Data-Science-Methoden und maschinelles Lernen im Hadoop-Ökosystem einsetzen wollen.

Trainer:

Dr. Stephan Kepser

Dr. Stephan Kepser ist Experte für Themen rund um Cloud Computing und Big Data. Zu diesen Themen hat er schon diverse Fach- und Blogartikel verfasst und zudem hat er die Hadoop User Group Rhein-Ruhr gegründet. Seine Interessen reichen von rechtlichen Fragen über Fragen der Architektur und des Systemdesigns bis hin zu den technischen Details von NoSQL-Datenbanken.

Uwe Printz

Uwe Printz ist Data Architect und Trainer. Seit dem ersten Kontakt mit verteilten Systemen lässt seine Begeisterung dafür nicht nach und zurzeit hält er sich bevorzugt im Hadoop-Zoo auf.

Inhalte:

Am Ende des Kurses können die Teilnehmer

Einsatzfelder für Data Science erkennen
Die Architektur von Hadoop und Yarn beschreiben
Den Unterschied zwischen überwachtem und unbewachtem Lernen beschreiben
Die sechs Aufgaben maschinellen Lernens benennen
Mahout für maschinelle Lernalgorithmen unter Hadoop verwenden
Pig zur Aufbereitung und Transformation von Daten verwenden
Python-Skripte schreiben
Die Bibliothek NumPy zur Analyse von Big Data einsetzen
Die Datenstrukturen der pandas-Bibliothek verwenden
Python-Skripte schreiben, die die Bibliothek SciPy für maschinelles Lernen einsetzen
Möglichkeiten zum Aufruf von Python-Programmen auf Hadoop Clustern beschreiben
In Python benutzerdefinierte Funktionen für Pig schreiben
Mit einem Python-Skript Pig Streaming Funktionalität von Hadoop verwenden
Ein Python-Skript schreiben, das die Bibliothek scikit-learn verwendet
Den k-Nearest-Neighbor-Algorithmus zur Vorhersage von Daten verwenden
Einen maschinellen Lernalgorithmus auf verteilten Datensätzen laufen lassen
Einsatzfelder für Verarbeitung natürlicher Sprache beschreiben
Satzgrenzenannotation auf großen Textmengen durchführen
Part-of-speech Tagging durchführen
Das Natural Language Toolkit (NLTK) verwenden
Die Komponenten einer Spark-Applikation beschreiben
Eine Spark-Applikation in Python schreiben
Maschinelle Lernalgorithmen mit der Spark MLlib laufen lassen.

Hands-on Labs

Aufsetzen der Entwicklungsumgebung
Nutzung von HDFS-Kommandos
Einsatz von Mahout für maschinelles Lernen
Einstieg in Pig
Datenexploration mit Pig
Nutzung des IPython Notebooks
Datenanalyse mit Python
Datenpunktinterpolation
Entwicklung benutzerdefinierter Funktionen für Pig in Python
Nutzung von Pig Streaming-Funktionalität mit Python
Clustering durch k-Nächste Nachbarn und k-Means Algorithmen
Benutzung des NLTK für die Verarbeitung natürlicher Sprache
Spark Programmierung und Spark MLlib