Dataiku dla Enterprise AI i Machine Learning - Plan Szkolenia

Wprowadzenie

Instalowanie i konfigurowanie Dataiku Data Science Studio (DSS)

• Wymagania systemowe dla Dataiku DSS
• Konfiguracja integracji z Apache Hadoop i Apache Spark
• Konfigurowanie Dataiku DSS z proxy serwerowymi
• Migrowanie z innych platform na Dataiku DSS

Przegląd funkcji i architektury Dataiku DSS

• Obiekty i grafy podstawowe dla Dataiku DSS
• Co to jest przepis w Dataiku DSS?
• Typy zestawów danych obsługiwanych przez Dataiku DSS

Tworzenie projektu Dataiku DSS

Definiowanie zestawów danych do połączenia z zasobami danych w Dataiku DSS

• Praca z połączeniami DSS i formatami plików
• Standardowe formaty DSS wobec formatów specyficznych dla Hadoop
• Wgrywanie plików do projektu Dataiku DSS

Przegląd systemu plików serwera w Dataiku DSS

Tworzenie i używanie zarządzanych folderów

• Przepis Dataiku DSS dla folderu scalania
• Lokalne wobec nie-lokalnych zarządzanych folderów

Budowanie zestawu danych systemu plików za pomocą zawartości zarządzanych folderów

• Wykonywanie czyszczenia za pomocą przepisu kodu DSS

Praca z zestawem danych metryk i zestawem danych statystyk wewnętrznych

Implementowanie przepisu DSS Download dla zestawu danych HTTP

Przesuwanie zestawów danych SQL i HDFS za pomocą DSS

Sortowanie zestawów danych w Dataiku DSS

• Sortowanie pisarza wobec sortowania w czasie odczytu

Przeglądanie i przygotowywanie wizualizacji danych dla projektu Dataiku DSS

Przegląd schematów Dataiku, typów przechowywania i znaczeń

Wykonywanie skryptów czyszczenia, normalizacji i wzbogacania danych w Dataiku DSS

Praca z interfejsem wykresów Dataiku DSS i typami wizualizacji agregacji

Korzystanie z funkcji interaktywnych statystyk DSS

• Jednowymiarowa analiza wobec dwuwymiarowej analizy
• Korzystanie z narzędzia DSS Principal Component Analysis (PCA)

Przegląd uczenia maszynowego z Dataiku DSS

• Nadzorowane uczenie maszynowe wobec nienadzorowanego uczenia maszynowego
• Odniesienia do algorytmów ML DSS i obsługi funkcji
• Uczenie głębokie z Dataiku DSS

Przegląd przepływu pochodzącego z zestawów danych i przepisów DSS

Przekształcanie istniejących zestawów danych w DSS za pomocą wizualnych przepisów

Korzystanie z przepisów DSS oparte na kodzie zdefiniowanym przez użytkownika

Optymalizowanie eksploracji i eksperymentowania z kodem za pomocą notatników DSS

Pisanie zaawansowanych wizualizacji DSS i funkcji niestandardowych frontendu za pomocą webappów

Praca z funkcją raportów kodu Dataiku DSS

Udostępnianie elementów projektu danych i zapoznawanie się z panelami DSS

Projektowanie i pakowanie projektu Dataiku DSS jako powtarzalnej aplikacji

Przegląd zaawansowanych metod w Dataiku DSS

• Implementowanie optymalnego podziału zestawów danych za pomocą DSS
• Wykonywanie określonych części przetwarzania DSS poprzez obliczenia w kontenerach Kubernetes

Przegląd współpracy i kontroli wersji w Dataiku DSS

Implementowanie scenariuszy automatyzacji, metryk i sprawdzania dla testowania projektu DSS

Wdrażanie i aktualizowanie projektu za pomocą węzła automatyzacji DSS i pakietów

Praca z API czasu rzeczywistego w Dataiku DSS

• Dodatkowe API i API Rest w DSS

Analizowanie i prognozowanie serii czasowych Dataiku DSS

Zabezpieczanie projektu w Dataiku DSS

• Zarządzanie uprawnieniami do projektu i autoryzacjami panelu
• Implementowanie zaawansowanych opcji bezpieczeństwa

Integrowanie Dataiku DSS z chmurą

Rozwiązywanie problemów

Podsumowanie i wnioski