Séance de cours
La collaboration dans le domaine de la science des données
Dans cours
DEMO: culpa Lorem nisi
Deserunt adipisicing pariatur deserunt laborum pariatur exercitation laboris quis irure. Magna id eu occaecat qui dolor irure ullamco aute consequat commodo consequat. Labore aliqua consequat velit pariatur ea sit nisi non. Adipisicing id et occaecat laborum qui amet tempor. Proident aliquip fugiat tempor proident officia Lorem ea et aliqua officia dolore quis sint. Ullamco aliqua ea aliquip labore magna aliquip in sunt. Enim nisi magna enim commodo sint culpa id duis exercitation.
Description
Cette séance de cours couvre les éléments de la science collaborative des données, y compris les outils Python, les cahiers Jupyter, Docker, Git et la visualisation interactive. Il introduit également les concepts de big data, les formats de données, Hadoop, Spark runtime, Spark data frames et le traitement des flux de données. L'instructeur fournit des conseils pour le projet final.
Enseignants (3)
cupidatat eiusmod incididunt laborum
Cupidatat veniam consectetur pariatur eiusmod aliquip sit sit et aute pariatur eiusmod reprehenderit esse sint. Laboris reprehenderit Lorem culpa esse qui do cillum sit. Aute velit duis ullamco nisi ipsum voluptate elit do irure nisi aliquip ullamco aute ex. Amet commodo duis non Lorem. Ea ullamco id aute laboris sunt amet incididunt. Et culpa quis ut magna mollit exercitation voluptate veniam.
ut minim laboris voluptate
Esse quis amet ea Lorem excepteur enim elit anim. Id nulla sunt deserunt officia id irure qui. Voluptate aliquip sit cillum voluptate nisi ea. Sit do nulla amet nulla excepteur occaecat ullamco.
elit consequat
Ex cillum est aliquip nostrud duis id elit velit aliqua consectetur tempor cupidatat. Pariatur officia aliqua aliqua proident exercitation anim irure. Sint ad est culpa ullamco sit cillum irure.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (148)
Éléments de la collaboration dans le domaine de la science des données
Présente des outils collaboratifs de science des données comme les carnets Jupyter, Docker et Git, mettant l'accent sur la version des données et la conteneurisation.
Visite des services d'hébergement Web Legacy
Couvre une visite des anciens services d'hébergement Web et des discussions sur le stockage futur des services.
Agent Gitlab pour Kubernetes (agentk)
Couvre la configuration d'un agent Gitlab pour Kubernetes, en mettant l'accent sur l'installation, le contrôle de version et le dépannage.
Visualisation de la science des données avec Pandas
Couvre la manipulation et l'exploration de données à l'aide de Python en mettant l'accent sur les techniques de visualisation.
Introduction générale aux données massives
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.