Formation Spark pour développeurs
Cette formation a pour objectif de vous fournir l’ensemble des connaissances et compétences nécessaires pour utiliser Apache Spark dans vos projets de Data Engineering au quotidien. Elle vous donnera les fondamentaux théoriques nécessaires pour comprendre son fonctionnement interne et sa philosophie, et vous permettra de développer une expertise hands’on sur ses principaux concepts et cas d’utilisation, allant de l’ingestion de données au déploiement.
Objectifs
- Expliquer l'architecture et les concepts fondamentaux de Spark
- Identifier les cas d'usage appropriés pour l'utilisation de Spark
- Manipuler les RDDs (Resilient Distributed Datasets) et comprendre leurs opérations
- Utiliser les DataFrames et DataSets Spark pour le traitement de données structurées
- Optimiser les performances des jobs Spark (partitionnement, caching, tuning)
- Implémenter des pipelines de traitement de données avec Spark SQL
- Déboguer et monitorer des applications Spark
Public cible
- Data Engineers
- Software Engineers
- ML Engineers
- Data Scientists
Prérequis
- Une connaissance initiale de la programmation en Python ou Scala est recommandée.
- Quelques intuitions sur le Big Data de manière générale est aussi un plus, mais n’est pas obligatoire.
Programme détaillé
L’apparition du Big Data
- Croissance verticale et horizontale
- Les systèmes distribués
- Map Reduce
Les concepts de base de Spark
- Partitionning
- Lineage
- Optimisation
- Parallélisation
Ma première application Spark
- Batch, Streaming et ML
- Créer une application Spark
- Comment traiter la donnée : RDD, Dataset, DataFrame
- Le format parquet
- Les systèmes de stockage
Transformer sa donnée (les bases)
- Opérations Map
- Opérations Reduce
- Les fonctions sur colonne
- L’objet colonne
Tester son application Spark
- Tests unitaires
- Tests d’intégrations
- Préparer ses jeux de données
Fonctionnement interne de Spark
- Le cache
- Les jointures
- Le shuffle
- La mémoire
Les opérations de transformations de données avancées
- UDF
- UDAF
- Window functions
Déployer un job Spark
- Choisir son environnement
- Spark-submit
- Configurer son job Spark
Ce qu’ils en disent…
Modalités d'évaluation
Un questionnaire d'auto-évaluation est envoyé aux participants avant et après la formation pour mesurer leur progression.
Pendant la formation :
Les acquis sont évalués tout au long de la formation par les formateurs sous forme de Quizz en ligne, questions réponses ou tour de table.
Le participant se verra délivrer une attestation de fin de formation à l’issue de la session
Organisation
Cette formation est en groupe de 6 à 12 personne en présentielle en intra-entreprise ou inter-entreprise en fonction du format souhaité par le commanditaire.
Modalités d'accès
Les sessions peuvent être programmées jusqu’ à 7 jours avant la date retenue, sous condition d’un formateur disponible et de la réception de la convention signée avant la session pour des groupes de 6 à 12 personnes .
Formateur(s)
Photos
Financer votre formation par un OPCO
Contacts
.png){kind=spacer}
Formation Data Engineering sur AWS
DataFrames PySpark & Pandas : très similaires à l'usage, mais un fonctionnement interne très différent
Poetry: enfin l’outil pour charmer Python ?
Optimiser son job Spark
Nous vous accompagnons dans vos projets Data & IA
Les prochains événements Hymaïa
Hymanight - Data & AI Product Management Paris meetup #2
