Stratio: Rocket and Intelligence Modules with PySpark

Prerequisites:

• Doświadczenie w programowaniu Python
• Zrozumienie koncepcji analizy danych lub przetwarzania big data
• Podstawowa wiedza na temat Apache Spark i obliczeń rozproszonych

Grupa docelowa

• Inżynierowie danych pracujący na platformach opartych na Stratio
• Analitycy lub deweloperzy używający modułów Rocket i Intelligence
• Zespoły techniczne przechodzące na przepływy pracy PySpark w Stratio

Overview:

Stratio: Moduły Rocket i Intelligence z PySpark

Course Outline:

Wprowadzenie do platformy Stratio

• Przegląd architektury Stratio i modułów podstawowych
• Rola Rocket i Intelligence w cyklu życia danych
• Logowanie się i nawigowanie po interfejsie użytkownika Stratio

Praca z modułem Rocket

• Wprowadzanie danych i tworzenie kanałów przetwarzania
• Łączenie źródeł danych i konfigurowanie transformacji
• Używanie PySpark do zadań przygotowawczych w Rocket

Podstawy PySpark dla użytkowników Stratio

• Struktury danych i operacje PySpark
• Konstrukcje pętli: użycie for, while, if/else
• Pisanie własnych funkcji z def i ich stosowanie

Zaawansowane użycie Rocket z PySpark

• Przetwarzanie strumieniowe i transformacje
• Użycie pętli i funkcji w scenariuszach batch i real-time
• Dobre praktyki w zakresie wydajności w kanałach PySpark

Badawanie modułu Intelligence

• Przegląd funkcji modelowania i analizy danych
• Selekcja, transformacja i eksploracja cech
• Rola PySpark w niestandardowej analizie i wglądach

Budowanie zaawansowanych przepływów analitycznych

• Tworzenie funkcji zdefiniowanych przez użytkownika (UDFs) w Intelligence
• Zastosowanie warunków i pętli dla logiki danych
• Przypadki użycia: segmentacja, agregacja i przewidywanie

Wdrażanie i Collaboration

• Zapisywanie, eksportowanie i ponowne użycie przepływów pracy
• Współpraca z innymi członkami zespołu w Stratio
• Przeglądanie wyników i integrowanie z narzędziami w kolejnych etapach

Podsumowanie i następne kroki