Apache Spark 管理培訓

本次在 澳門 舉行的實訓課程（線上或線下），針對希望利用 Google Colab 和 Apache Spark 處理及分析大數據的中級數據科學家與工程師。

完成培訓後，參與者將能夠：

• 使用 Google Colab 和 Spark 設置大數據環境。
• 高效地使用 Apache Spark 處理和分析大型數據集。
• 在協作環境中可視化大數據。
• 將 Apache Spark 與雲端工具整合。

此由講師主導的現場培訓（線上或線下）旨在希望利用Databricks與PySpark構建可擴展數據流水線，並遷移現有SQL工作流的數據工程師、數據分析師及數據專業人士。

本培訓提供實用的入門指導，助您使用 PySpark 構建可擴展的數據處理和機器學習工作流程。參與者將學習 Apache Spark 如何在現代大數據生態系統中運作，以及如何利用分布式計算原則高效處理大型數據集。

這門為期三天的實務課程，專注於使用 PySpark、Pandas 和 Polars 在基於 Kubernetes 的環境中 構建並優化高效能資料處理工作負載。

學員將深入了解 Spark 應用程式在 Kubernetes 上的執行機制，以及應用程式層級的設定決策如何影響效能、擴展性、資源消耗與成本。課程涵蓋關鍵優化領域，包括執行器大小調整、記憶體分配、動態分配、分區策略、Shuffle 行為、小檔案問題以及高效的 Parquet 處理。

課程亦探討使用 Pandas 時面臨的常見挑戰，如記憶體限制和記憶體不足（OOM）錯誤，並介紹 Polars 作為特定資料處理工作負載的高效能替代方案。透過動手實作練習，學員將學習診斷效能與記憶體問題、比較不同的設定策略，並將優化技術應用於真實的 ETL 和機器學習場景。

貫穿課程始終的重點在於實務決策能力：理解如何識別瓶頸、選擇合適的工具、高效配置 Spark，以及在效能與基礎設施資源消耗及成本之間取得平衡。

此在澳門（線上或線下）舉行的講師引導實訓，針對希望設置並部署Apache Spark系統以處理海量資料的工程師。

完成本培訓後，學員將能夠：

• 安裝並配置Apache Spark。
• 快速處理和分析超大資料集。
• 理解Apache Spark與Hadoop MapReduce之間的差異，以及何時使用哪種工具。
• 將Apache Spark與其他機器學習工具集成。

在這次於 澳門 舉行的導師帶領式實際培訓課程中，學員將透過親手操作的練習，學習如何將 Python 與 Spark 結合使用以分析大型數據。

完成本培訓課程後，學員將能夠：

• 學習如何使用 Spark 配合 Python 分析大型數據。
• 進行模擬真實世界案例的練習。
• 運用 PySpark 處理大型數據分析的不同工具及技術。

本課程為於 澳門（線上或線下）舉辦的由講師主導之培訓，目標對象為希望使用並整合 Spark、Hadoop 與 Python 來處理、分析及轉換大型且複雜資料集的開發人員。

完成本課程後，學員將能夠：

• 建立必要環境，以開始使用 Spark、Hadoop 和 Python 處理大數據。
• 理解 Spark 和 Hadoop 的功能、核心元件與架構。
• 學習如何整合 Spark、Hadoop 與 Python 以進行大數據處理。
• 探索 Spark 生態系統中的工具（Spark MlLib、Spark Streaming、Kafka、Sqoop、Flume）。
• 建置類似 Netflix、YouTube、Amazon、Spotify 和 Google 的協同過濾推薦系統。
• 使用 Apache Mahout 擴展機器學習演算法。