AGILE DATA SCIENCE 2.0
Full-Stack Analytics Application Development con Kafka e Spark

di Russell Jurney

Segnala ad un amico Scarica la brochure

Descrizione

Agile Data Science 2.0 copre la teoria e la pratica di una metodologia di sviluppo Agile creata per sviluppare applicazioni analitiche.

I partecipanti impareranno la teoria e l’applicazione dell’Agile Data Science, una metodologia di sviluppo in cui il Data Scientist usa metodi Agili per lo sviluppo di applicazioni analitiche full-stack. Apprenderanno inoltre come definire, implementare e usare un Big Data full-stack e come creare da zero le proprie applicazioni Big Data.

Questo consentirà loro di presentare in modo efficace le proprie scoperte come applicazioni e li aiuterà a fare cambiamenti all'interno delle organizzazioni tecnologiche.

Alla fine del workshop i partecipanti avranno le conoscenze e un template tecnologico che permetteranno loro di creare le proprie applicazioni usando i propri datasets.

Cosa Imparerete

1. I partecipanti capiranno:

• Come definire “full-stack” di tools di Big Data
• Come applicare i metodi Agili alla Data Science
• Sviluppo Web Pyton/Flask

2. I partecipanti saranno in grado di:

• Usare “full-stack” di tools di Big Data
• Lavorare con alcuni frra i più popolari tools di Big Data: Python, Spark, Kafka, Elasticsearch, MongoDB
• Costruire applicazioni analitiche full-stack
• Costruire visualizzazioni in d3.js
• Costruire sistemi e applicazioni di Predictive Analytics
• Costruire applicazioni Web usando Pyton/Flask o Esplorare i Big Data in maniera interattiva

Argomenti Trattati

• Presentazione: Agile Data Science
• Presentazione: Introduzione all’ Analytics Stack
• Demo: camminare attraverso il nostro Full Stack
• Esercizio: Data Processing in PySpark
• Esercizio: Querying Data in MongoDB
• Esercizio: Creare un Web Service
• Demo: Hacking Charts in d3.js
• Esercizio: Hacking Charts in d3.js
• Presentazione/Demo: Predictive Modeling in PySpark
• Esercizio: Predictive Modeling in PySpark
• Presentazione/Demo: Deploying Spark Predictive Models
• Esercizio: Deploying Spark Predictive Models
• Presentazione/Demo: Predizioni sul Web
• Esercizio: Predizioni sul Web
• Discussione: Lessons Learned

Precedenti Edizioni