Dataiku企业AI与机器学习 培训

介绍

安装和配置Dataiku Data Science Studio（DSS）

• Dataiku DSS的系统要求。
• 设置Apache Hadoop和Apache Spark集成。
• 配置Dataiku DSS与Web代理。
• 从其他平台迁移到Dataiku DSS。

Dataiku DSS功能和架构概述

• Dataiku DSS的核心对象和图表。
• Dataiku DSS中的“recipe”是什么？
• Dataiku DSS支持的数据集类型。

创建Dataiku DSS项目

定义数据集以连接到Dataiku DSS中的数据资源

• 使用DSS连接器和文件格式。
• 标准DSS格式与Hadoop特定格式。
• 为Dataiku DSS项目上传文件。

Dataiku DSS中的服务器文件系统概述

创建和使用管理文件夹

• Dataiku DSS中的合并文件夹“recipe”。
• 本地与非本地管理文件夹。

使用管理文件夹内容构建文件系统数据集

• 使用DSS代码“recipe”进行清理。

使用指标数据集和内部统计数据集

为HTTP数据集实施DSS下载“recipe”

使用DSS重新定位SQL数据集和HDFS数据集

在Dataiku DSS中排序数据集

• 写入排序与读取时间排序。

探索和准备Dataiku DSS项目的数据可视化

Dataiku模式、存储类型和含义概述

在Dataiku DSS中执行数据清洗、规范化和丰富化脚本

使用Dataiku DSS图表界面和视觉聚合类型

利用DSS的交互式统计功能

• 单变量分析与双变量分析。
• 使用主成分分析（PCA）DSS工具。

Dataiku DSS中的机器学习概述

• 监督学习与非监督学习。
• DSS ML算法和功能处理的参考。
• 使用Dataiku DSS进行深度学习。

DSS数据集和“recipe”生成的流程概述

使用视觉“recipe”转换DSS中的现有数据集

使用基于用户定义代码的DSS“recipe”

使用DSS代码笔记本优化代码探索和实验

使用Webapps编写高级DSS可视化和自定义前端功能

使用Dataiku DSS代码报告功能

共享数据项目元素并熟悉DSS仪表板

将Dataiku DSS项目设计和打包为可重用应用程序

Dataiku DSS中的高级方法概述

• 使用DSS实现优化数据集分区。
• 通过Kubernetes容器中的计算执行特定DSS处理部分。

Dataiku DSS中的协作和版本控制概述

实施自动化场景、指标和检查以测试DSS项目

使用DSS自动化节点和捆绑包部署和更新项目

在Dataiku DSS中使用实时API

• DSS中的附加API和Rest API。

分析和预测Dataiku DSS时间序列

在Dataiku DSS中保护项目

• 管理项目权限和仪表板授权。
• 实施高级安全选项。

将Dataiku DSS与云集成

故障排除

总结与结论