O curso ou treinamento Databricks Plataform com PySpark foi desenvolvido para que os alunos possam após o treinamento ser capaz de construir aplicações de Big Data usando uma das tecnologias mais modernas para processamento massivo o Spark da DataBricks na AWS (Amazon Web Services), Microsoft Azure ou Google Cloud, são abordados conhecimentos de arquitetura e ecossistemas fundamentais para a programação com a linguagem Python e o Framework Apache Spark. Entender as principais conceitos e fluxo de trabalho de implementação, dominar tópicos avançados de manipulação de RDDs, saber escrever scripts Spark e interações com outros projetos do ecossistema DataBricks necessários para a análise de dados. Saber fazer uso de motores de processamento e desenvolver soluções que utilizam componentes em todo hub de dados da empresa. Ser capaz de construir aplicativos usando Apache Spark para processamento de stream combinando dados históricos com dados de streaming, através de análises interativas em tempo real.

Turmas Somente inCompany

Conteúdo Programático

Conceitual Big Data e Databricks

• Visão geral sobre Databricks.
• Databricks Plataform.
• Databricks Community X Databricks Premium.
• Ecossistema Databricks.
• Quem usa o Databricks.
• Cases do uso Databricks.
• Free Software(GLP) X Open Source(BSD e Apache).
• Delta Lake.
• Databricks na AWS.
• Databricks na Azure (Azure Databricks).
• Databricks Community.
• change data capture (CDC).
• Data engineering.
• Scala X Python.

Cluster na Cloud.

• Configurando o Ambiente na Azure.
• Databricks Job scheduling.
• Deploy Structured Streaming.

Notebooks.

• Apache Zeppelin.
• Interpreters.
• Markdown.
• Databricks Notebook.

Introdução a Linguagem Python

• O que é Python?
• Apresentando Python.
• Instalando Python.
• Escrevendo scripts Python
• Basico em Python.
• Tipos Básicos Python.
• Definindo Funções.
• IDE para Python.

Programando em Python e Jython

• Declaração método.
• Literais.
• Listas.
• Tuplas.
• Opções.
• Maps.
• Palavras reservadas.
• Operadores.
• Regras de precedência.
• If, While Loops, Do-While Loops.
• Operadores condicionais.
• Pattern Matching.
• Enumerações.

Programação Funcional em Python

• O que é programação funcional?
• Literais funcionais e Closures.
• Recursão.
• Tail Calls.
• Estruturas de Dados Funcionais.
• Parâmetros das Funções implícitas.
• Chamada por nome.
• Chamada por Valor.

Apache Spark no DataBricks.

• Invocando Spark Shell.
• Criando o Contexto Spark.
• Carregando um arquivo no Shell.
• Realizando algumas operações básicas em arquivos em Spark Shell.
• Construindo um Projeto com sbt.
• Executando o Projecto Spark com sbt.
• Caching Overview, Persistência Distribuído.
• Spark  Streaming Overview.
• Exemplo: Streaming Word Count.

RDD - Resilient Distributed Dataset no Databricks.

• Transformações no RDD.
• Ações em RDD.
• Carregando dados em RDD.
• Salvando dados através RDD.
• Key-Value Pair RDD.
• MapReduce e Operações RDD Pair.
• Integração Scala e Hadoop.
• Arquivos de seqüência.
• Usando Partitioner e seu impacto na melhoria do desempenho.

SparkSQL e Dataframe no Databricks.

• Dataframe.
• SparkSQL
• DataSets.
• SparkSQL API.

Armazenamento

• Databricks File System - DBFS.
• Databricks IO Cache.
• Amazon S3.
• Trabalhando arquivos CSV com Spark.
• Trabalhando arquivos JSON com Spark.
• Trabalhando arquivos XML com Spark.
• Introdução ao Apache Parquet.
• Trabalhando com arquivos Parquet.

Apache Streaming e Delta

• Spark Structured Streaming.
• Spark Streaming Transformations.
• Streaming Windows Transformations.
• Create Dataframes.
• Save DataFrames.
• Tables and DataFrames.
• Event Stream Processing (ESP).
• Complex Event Processing (CEP).

Gerais

• Visualizations.
• SparkML.

Carga Horária:

• 32 Horas.

Pré-requisitos dos Participantes:

• Conhecimento alguma linguagem de programação.
• Noções de Big Data.
• Conhecimento de Banco de Dados e SQL.
• Conhecimento básico de Linux.
• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware:

• Memória RAM : 8GB.
• Espaço em Disco: 10GB.
• Processador: Dual-core AMD 64, EM64T
• deve estar ativo a Virtualização na BIOS do equipamento.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Caneta, Pasta e Bloco de Anotações.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas

Inscrições, Informações e Valores

Instrutor

Administrar os dados de sua empresa com metodologias, técnicas e ferramentas ideais pode colocar sua empresa em outro patamar. Em busca da produtividade dos serviços e produtos atuais, assim como inovação para criação de novos serviços e novos produtos. O Big Data é uma abordagem para armazenamento de um grande volume de dados de tipos variados, para que possam ser processados com alta velocidade mesmo com alto volume. O Data Science ou Ciência dos Dados é a ciência que busca encontrar insights relevantes e úteis para seus negócios.