Durata
Metodologia didattica
Presenza, Aula Virtuale
Attestato
Attestato di Frequenza e Profitto
Apache Spark è un motore analitico unificato per l’elaborazione di big data che consente di eseguire applicazioni di machine learning su vasta scala. Grazie alla sua architettura veloce e all’elaborazione in memoria, Spark offre prestazioni nettamente superiori rispetto ad altri strumenti simili e consente di iterare rapidamente algoritmi di machine learning su enormi quantità di dati.
Quando combinato con il machine learning, Apache Spark offre un’ampia gamma di strumenti e librerie per sviluppare modelli predittivi scalabili e performanti. Il corso “Machine Learning con Apache Spark” è progettato per fornire una panoramica completa di come utilizzare Spark per il Machine Learning, dall’installazione e configurazione di Spark, fino all’implementazione pratica di algoritmi di Machine Learning.
A chi è rivolto il corso?
Programma didattico
Introduzione ad Apache Spark
- Il modello Workflow
- Concetti base del modello Workflow
- Directed Acyclic Graphs (DAGs)
- Introduzione ad Apache Spark
- Architettura e componenti (Spark Core, Spark SQL, Spark Streaming, MLlib, GraphX)
- Differenze tra Spark e Hadoop MapReduce
- Installazione e configurazione
- Spark Shell e Spark-submit
- Rappresentazione e Gestione dei Dati
- Resilient Distributed Dataset (RDD)
- Trasformazioni e Azioni
- Lazy execution
- DataFrame e Dataset
Introduzione al Machine Learning
- Concetti di base del Machine Learning
- Introduzione al Machine Learning
- Tipi di apprendimento: supervisionato, non supervisionato e per rinforzo.
- Ciclo di vita delle applicazioni di machine learning
- Metriche di valutazione
- Principali algoritmi di Machine Learning
- Regressione
- Classificazione
- Clustering
- Riduzione della dimensionalità
Machine Learning con Apache Spark
- Introduzione a Spark MLlib
- Panoramica su Spark MLlib
- Differenze tra MLlib e Spark ML.
- Concetti chiave: Pipelines, Estimators, Transformers
- Algoritmi di Machine Learning in Spark
- Esempi di Regressione in MLlib
- Esempi di Classificazione in MLlib
- Esempi di Clustering in MLlib
Obiettivi del corso
Alla fine del corso, i partecipanti saranno in grado di:
- Installare, configurare e utilizzare Spark Shell e Spark-submit
- Conoscere ed utilizzare la libreria MLlib di Spark per l’apprendimento automatico
- Comprendere le differenze tra MLlib e Spark ML
- Utilizzare Pipelines, Estimators e Transformers in Spark ML
- Implementare algoritmi di regressione, classificazione e clustering in MLib
Compila il form per maggiori informazioni
Compila il form: ti risponderemo il più presto possibile. Puoi selezionare più corsi tenendo premuto il tasto CTRL. Non trovi il corso che cerchi? Scrivi un’email a formazione@kinetikon.com per raccontarci le tue esigenze e costruire insieme un programma formativo su misura.
Formazione finanziata
I Fondi Paritetici Interprofessionali offrono alle aziende aderenti la possibilità di coprire i costi della formazione aziendale e individuale destinata ai propri dipendenti.
Kinetikon ti offre un supporto completo in ogni fase: dall’analisi di fattibilità alla presentazione della domanda, fino alla rendicontazione e all’ottenimento del finanziamento.
Compila il form qui sopra e scopri come finanziare questo corso.
FAQ – Domande Frequenti
In quali date si svolge il corso?
Non ci sono date programmate, ma puoi scegliere il periodo di partenza della formazione.
Il corso viene erogato in presenza o online?
Puoi scegliere la formazione online, in presenza o blended. Per quanto riguarda la formazione online, mettiamo a disposizione la nostra piattaforma dedicata e conforme ai requisiti di monitoraggio dei Fondi Interprofessionali.
Il corso è finanziabile?
Collaboriamo attivamente con i Fondi Interprofessionali e siamo specializzati nella gestione della formazione finanziata. Ti forniremo tutte le informazioni sulle opportunità di finanziamento disponibili per il corso di tuo interesse.
Il corso è adatto a professionisti con diversi livelli di esperienza?
Certo: durante la sessione di allineamento, adeguiamo i contenuti formativi in base al livello di esperienza dei partecipanti, garantendo un percorso adatto sia ai principianti, sia agli esperti.
Come viene strutturato il corso per garantire una formazione su misura per la mia azienda?
Il programma didattico che trovi in questa pagina è solamente una traccia. Prima dell’avvio del corso, organizziamo una sessione di allineamento con il consulente che condurrà la formazione, per definire insieme un programma completamente personalizzato.
In quali termini il corso è personalizzabile?
Il percorso formativo si adatta alle tecnologie e alle piattaforme già in uso nella tua azienda. In caso di prima adozione, Kinetikon offre anche consulenza per la scelta della piattaforma, del linguaggio, del vendor o dello strumento più idoneo. Inoltre, la formazione è modulare e focalizzabile sugli argomenti in cui il tuo team necessita di approfondimenti specifici.
Come posso richiedere maggiori informazioni o una consulenza personalizzata?
Contattaci via email all’indirizzo formazione@kinetikon.com, oppure utilizza il form dedicato su questa pagina o nella sezione contatti del nostro sito. Il nostro team è sempre pronto a fornire supporto e consulenza personalizzata.