Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
課程簡介
介紹
安裝和配置Dataiku Data Science Studio (DSS)
- Dataiku DSS的系統要求
- 設置Apache Hadoop和Apache Spark集成
- 配置Dataiku DSS與Web代理
- 從其他平臺遷移到Dataiku DSS
Dataiku DSS功能和架構概述
- Dataiku DSS的核心對象和圖表基礎
- Dataiku DSS中的“配方”是什麼？
- Dataiku DSS支持的數據集類型
創建Dataiku DSS項目
定義數據集以連接到Dataiku DSS中的數據資源
- 使用DSS連接器和文件格式
- 標準DSS格式與Hadoop特定格式對比
- 爲Dataiku DSS項目上傳文件
Dataiku DSS中的服務器文件系統概述
創建和使用託管文件夾
- Dataiku DSS的合併文件夾配方
- 本地與非本地託管文件夾
使用託管文件夾內容構建文件系統數據集
- 使用DSS代碼配方執行清理操作
使用指標數據集和內部統計數據集
實現DSS下載配方以獲取HTTP數據集
使用DSS重新定位SQL數據集和HDFS數據集
在Dataiku DSS中對數據集進行排序
- 寫入順序與讀取時間順序
探索和準備Dataiku DSS項目的數據可視化
Dataiku模式、存儲類型和含義概述
在Dataiku DSS中執行數據清洗、規範化和豐富腳本
使用Dataiku DSS圖表界面和可視化聚合類型
利用DSS的交互式統計功能
- 單變量分析與雙變量分析
- 使用主成分分析（PCA）DSS工具
Dataiku DSS中的機器學習概述
- 監督學習與非監督學習
- DSS機器學習算法和特徵處理參考
- 使用Dataiku DSS進行深度學習
Dataiku數據集和配方的流程概述
使用可視化配方轉換DSS中的現有數據集
使用基於用戶自定義代碼的DSS配方
使用DSS代碼筆記本優化代碼探索和實驗
使用Webapps編寫高級DSS可視化和自定義前端功能
使用Dataiku DSS代碼報告功能
共享數據項目元素並熟悉DSS儀表板
設計和打包Dataiku DSS項目爲可重用應用程序
Dataiku DSS中的高級方法概述
- 使用DSS實現優化的數據集分區
- 通過Kubernetes容器中的計算執行特定DSS處理部分
Dataiku DSS中的協作和版本控制概述
爲DSS項目測試實現自動化場景、指標和檢查
使用DSS自動化節點和捆綁包部署和更新項目
在Dataiku DSS中使用即時API
- DSS中的附加API和Rest API
分析和預測Dataiku DSS時間序列
在Dataiku DSS中保護項目
- 管理項目權限和儀表板授權
- 實施高級安全選項
將Dataiku DSS與雲集成
故障排除
總結與結論
最低要求
- 具備Python、SQL和R編程語言的使用經驗
- 掌握使用Apache Hadoop和Spark進行數據處理的基礎知識
- 理解機器學習概念和數據模型
- 具備統計分析和數據科學概念的背景
- 有數據可視化和溝通的經驗
受衆
- 工程師
- 數據科學家
- 數據分析師
21 時間：
