از Scala در کارهای علم داده خود استفاده کنید. ویژگی های Scala را که برای دانشمندان داده بسیار مفید است کاوش کنید ، از جمله توابع سفارشی ، پردازش موازی و برنامه نویسی Spark با Scala.
در مورد معماری Cassandra - یک پایگاه داده معروف NoSQL که قادر به مدیریت مقدار زیادی داده با تغییر سریع است - بیاموزید و نحوه طراحی مدل های داده Cassandra را کشف کنید.
بیاموزید که چگونه Apache Spark را با سایر فناوری های داده بزرگ برای ساخت خطوط داده مهندسی داده و DevOps کار کنید.
هر آنچه برای تجزیه و تحلیل و نمایش داده ها با استفاده از Tableau Desktop باید بدانید - و تصمیمات بهتر و مبتنی بر داده برای شرکت خود بگیرید.
با Apache Kafka ، یک پلتفرم پخش جریانی توزیع شده ، که به جای سیستم های پیام رسان سنتی مانند JMS ، سیستم های پیام رسانای مقیاس پذیر و با توان بالا را فراهم می کند ، سرعت خود را کسب کنید.
با Spark سرعت خود را کسب کنید و دریابید که چگونه از این سیستم عامل قدرتمند برای کار موثر و موثر با داده های بزرگ استفاده کنید.
جاوا را در کار خود در زمینه علوم داده استفاده کنید. بیاموزید که چگونه از جاوا برای دو م componentsلفه علم داده - مهندسی داده و تجزیه و تحلیل داده استفاده کنید.
بیاموزید که چگونه از DC.js با هماهنگی Crossfilter و D3.js برای ایجاد داشبورد و ابزارک تعاملی استفاده کنید که نمودارهای میله ای ، نمودارهای پراکنده ، نقشه های حرارتی و موارد دیگر را نمایش می دهد.
آیا باید آرایه های بزرگ و پیچیده داده های JavaScript را با حداکثر سرعت و اثربخشی تقسیم کنید؟ بیاموزید که چگونه از Crossfilter.js برای گروه بندی و فیلتر کردن داده ها به طور مستقیم در یک مرورگر وب استفاده کنید.
تجسم داده های تعاملی ایجاد کنید. بیاموزید که نمودارهای درختی ، نمودارهای پشته ای ، نقشه های مکانی و موارد دیگر را با مرورگر وب ، چند خط کد و کتابخانه D3.js ایجاد کنید.
با ایجاد مهارت های تجزیه و تحلیل ، یادگیری ماشین و علم اطلاعات ، نحوه استفاده از NumPy ، Python و Jupyter Notebook را برای برنامه نویسی عددی ، علمی و آماری بیاموزید.