NT$650
最新討論
課程資訊
課程時長 1 小時 13 分
課程共 6 單元 20 小節
2 個可下載的 學習資源
提供完訓證書
提供制定 學習計畫建議學習 3 週 (每週 2 小時)適合對象
✔ 系統架構師或系統網路管理人員
✔ 商業資料分析部門主管及相關人員
你可以學到
| 本門課程:Spark二部曲將帶領你學習
✔ 取得資料、資料前處理基本功
✔ 了解SQL、DataFrame的優點
✔ 利用SQL語言與DataFrame的優勢，製作商業智慧報表
課程介紹
| 為什麼我該學Spark？
在熟悉Hadoop基礎概念後，若想要深入學習大數據，那你的下一步絕對要學Spark！就讓我們在這堂課程中，用Spark玩轉資料，挑戰背後無限商機！並讓您透過此課程輕鬆進入大數據分析領域。
根據104人力銀行預測指出，2018年5大資料經濟職務需求趨勢(如下圖所示)，可以意識到Spark技術已成為大數據分析領域不可或缺的新核心，讓我們一起為自己打造未來，奠定大數據技術的穩固基石吧！
|資料串接好簡單！讓我們用Spark SQL製作商業報表
利用Spark SQL與各式資料串連，不論是HDFS、本機系統或是Hadoop Hive資料表，透過取得資料、資料前處理、利用SQL語言與DataFrame的優點，製作商業智慧報表，甚至了解Spark SQL效能調整的功能設定，讓你輕鬆掌握Spark SQL的精髓
Spark SQL, a powerful integration between SQL and Python/Scala/Java. Spark SQL makes our analyst life simpler and faster! In this lecture, you will learn how to load data from structured sources, connect RDD with SQL language, and SQL performance tuning.
| Spark三部曲完整學程，由淺入深學習
●Spark首部曲：實務基礎入門篇
●Spark第二部曲： SQL輕鬆處理半結構化資料技巧
●Spark第三部曲： MLlib完成資料挖掘與機器學習實戰
學習前基本能力
✔ Linux操作基礎
✔ TSQL操作基礎
✔ Python、Scala基礎
學習前準備
課程資訊
課程時長 1 小時 13 分課程共 6 單元 20 小節2 個可下載的 學習資源提供完訓證書提供制定 學習計畫建議學習 3 週 (每週 2 小時)關於講師
Erica Li
●醫院臨床試驗統計分析師
●電子商務資料採礦分析師
●行銷顧問資料工程師
●現活躍於Spark台灣社群，致力於推廣Spark技術與商業應用整合。
More than four years of experience in data mining of e-Commerce and big data related issue. Deeply enjoy the learning aspects of sharing my personal experience with technologies in the Big Data world.
Introduction to SparkSQL
Initialize SparkSQL with SQLContext
Start SparkSQL
From SchemaRDD to DataFrame
Phases of Query Planning
Data sources
Data sources API
Input - connected with local system
Input - connected with HDFS
Input - connected with Hive
Output
Dataframe
Dataframe operations(1)
Dataframe operations(2)
Dataframe operations examples
Create your first user defined functions
Performance tuning in SparkSQL
Performance options
Tips
Review of SparkSQL
學習附件
購買此課程後，才能使用留言功能
目前尚無任何討論主題
成為第一個發問的人！在問答中找到學習的捷徑。關於講師
Erica Li
●醫院臨床試驗統計分析師
●電子商務資料採礦分析師
●行銷顧問資料工程師
●現活躍於Spark台灣社群，致力於推廣Spark技術與商業應用整合。
More than four years of experience in data mining of e-Commerce and big data related issue. Deeply enjoy the learning aspects of sharing my personal experience with technologies in the Big Data world.
