• Meylan
  • Moirans
  • Sophia Antipolis
  • Les Webinaires ATP
04 76 41 14 20
Atp Formation
  • Formations
  • Certifications
  • Société
  • Contact
Plan de cours
Accueil > Formations > Data Science – Deep learning > Spark ML

Formation Spark ML

Domaine : Data Science – Deep learning

DURÉE
2.0 jour(s)

 
OBJECTIFS
Savoir mettre en oeuvre les outils de Machine Learning sur Spark. Savoir créer des modèles et les exploiter.
 
Pré-requis
Connaissance d'un langage de programmation comme Python, Java ou Scala.

Participants

Chef de projets, architecte.

coût

Nous contacter pour une formation sur mesure ou en intra

programme

Télécharger le plan de cours

Consulter le plan de cours

LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle

PROGRAMME DE FORMATION
Spark ML

Introduction
Rappels sur Spark (Principe de fonctionnement, Langages supportés)
DataFrames
Objectifs (Traitement de données structurées, API DataSet et DataFrames)
Optimisation des requêtes (Mise en oeuvre des DataFrames et DataSet)
Chargement de données, pré-traitement (Standardisation, Transformations non linéaires, Discrétisation)
Génération de données
Traitements statistiques de base
Introduction aux calculs statistiques (Paramétrisation des fonctions)
Applications aux fermes de calculs distribués (Problématiques induites, Approximations, Précision des estimations)
Exemples sur Spark : Calculs distribués de base (Moyennes, variances, écart-type, asymétrie et aplatissement (skewness/kurtosis))
Machine Learning
Apprentissage automatique (Définition, Attentes par rapport au Machine Learning)
Les valeurs d'observation et les variables cibles (Ingénierie des variables)
Les méthodes (Apprentissage supervisé et non supervisé, Classification, régression)
Fonctionnalités (Machine Learning avec Spark, Algorithmes standards, Gestion de la persistence, Statistiques)
Mise en oeuvre sur Spark
Mise en oeuvre avec les DataFrames
Algorithmes (Régression linéaire, k-moyennes, k-voisins, Classification naïve bayésienne, Arbres de décisions, Forêts aléatoires)
Création de jeux d'essai (Entraînement et construction de modèles)
Prévisions à partir de données réelles
Travaux pratiques (Régression logistiques, Forêts aléatoires, k-moyennes)
Recommandations (recommendForAllUsers(), recommendForAllItems())
Modèles
Chargement et enregistrement de modèles
Mesure de l'efficacité des algorithmes (Courbes ROC, MulticlassClassificationEvaluator())
Mesure de performance (Descente de gradient)
Modification des hyper-paramètres
Application pratique avec les courbes d'évaluations
Spark/GraphX
Gestion de graphes orientés sur Spark
Fourniture d'algorithmes (Opérateurs simples pour des calculs statistiques sur les graphes)
Travaux pratiques (Exemples d'opérations sur les graphes)
IA
Introduction aux réseaux de neurones
Les types de couches (Convolution, pooling et pertes)
L'approche du Deep Learning avec Spark
dates des formations a grenoble
  • Formation sur mesure, nous contacter
    Intra
dates des formations a SOPHIA ANTIPOLIS
  • Formation sur mesure, nous contacter
    Intra
formations associées
  • Machine Learning avec Scikit-Learn
  • Introduction au Machine Learning avec Python

Atp Formation
Formation informatique à Grenoble et Sophia Antipolis

31, avenue du Granier
38 240 Meylan

170, rue de Chatagnon
38 430 Moirans

1501/1503 route des Dolines
06560 Valbonne

  • Mentions légales
  • Conditions générales de vente
  • Contact
  • Formations
  • Certifications
  • Société
  • Contact