Обработка геопространственных и временных данных на Spark
Геопространственные и временные данные — основа для анализа GPS-треков, IoT-сенсоров и временных трендов. Spark ускоряет обработку таких данных, позволяя решать задачи логистики, умных городов и прогнозирования.
Открытый вебинар
17 июля | 19:00 МСК | Бесплатно
Гайд «Как найти кратчайший маршрут с помощью Apache Spark и GraphFrames»
Скидка 7% на все курсы OTUS
Будет интересно:
Data-инженеры
Научитесь:
— Оптимизировать ETL-процессы для геопространственных и временных данных в Spark.
— Использовать распределенные алгоритмы для обработки больших объёмов GPS-данных, сенсоров IoT и временных рядов.
— Оптимизировать ETL-процессы для геопространственных и временных данных в Spark.
— Использовать распределенные алгоритмы для обработки больших объёмов GPS-данных, сенсоров IoT и временных рядов.
Backend-разработчики
Сможете:
— Интегрировать Spark-обработку геоданных в свои сервисы (например, API для расчёта расстояний или поиска ближайших объектов).
— Избегать типовых ошибок при работе с координатами (проекции, точность, геометрические операции).
— Интегрировать Spark-обработку геоданных в свои сервисы (например, API для расчёта расстояний или поиска ближайших объектов).
— Избегать типовых ошибок при работе с координатами (проекции, точность, геометрические операции).
Специалисты по Data Science
Научитесь:
— Подготавливать гео- и временные признаки для ML-моделей.
— Визуализировать пространственные данные.
— Применять статистические методы для временных рядов на больших данных.
— Подготавливать гео- и временные признаки для ML-моделей.
— Визуализировать пространственные данные.
— Применять статистические методы для временных рядов на больших данных.
ML-инженеры
Сможете:
— Строить ML-пайплайны с учётом геоданных (например, предсказание пробок или спроса в разных локациях).
— Обрабатывать временные зависимости в данных на Spark.
— Масштабировать feature engineering для геопространственных признаков (например, расстояние до POI, плотность объектов).
— Строить ML-пайплайны с учётом геоданных (например, предсказание пробок или спроса в разных локациях).
— Обрабатывать временные зависимости в данных на Spark.
— Масштабировать feature engineering для геопространственных признаков (например, расстояние до POI, плотность объектов).
Каких ошибок вы сможете избежать
- Неправильный выбор инструментов
- Ошибки в обработке временных рядов
Формат события
Программа
- Вступление, об OTUS
- Обзор обработки геопространственных данных в Apache Spark.
- Работа с временными данными в Spark.
- Практическое применение.
- Заключение, подарки для зрителей
Взаимодействие
Отвечаем на вопросы: вы можете задать вопрос спикеру прямо сейчас.
На самые интересные вопросы cпикер ответит во время вебинара
На самые интересные вопросы cпикер ответит во время вебинара
Cпикеры и ведущий
Один из разработчиков международной платежной системы, автор курса Spark Developer
Вадим Заигрин
Более 35 лет в IT, с 2016 года работает с большими данными как разработчик, Data Engineer и Data Scientist.
Team Lead команд инженеров данных на разных проектах. Развивал проекты в банках, в телекоммуникационных и розничных компаниях.
Разработал архитектуру миграции системы Teradata RTCM на Teradata VCX для телекоммуникационной компании.
Разработал архитектурe системы обработки данных на базе Hadoop для совместного проекта международной платежной системы и крупного банка.
Разработал систему безопасности Hadoop на основе Atlas и Ranger.
Тестировал системы безопасности Protegrity в Hadoop для крупного банка.
Team Lead команд инженеров данных на разных проектах. Развивал проекты в банках, в телекоммуникационных и розничных компаниях.
Разработал архитектуру миграции системы Teradata RTCM на Teradata VCX для телекоммуникационной компании.
Разработал архитектурe системы обработки данных на базе Hadoop для совместного проекта международной платежной системы и крупного банка.
Разработал систему безопасности Hadoop на основе Atlas и Ranger.
Тестировал системы безопасности Protegrity в Hadoop для крупного банка.
Ведущий мероприятий компании OTUS
Баймышев Александр
• Опыт работы Ведущим в 17ти городах России
• Опыт работы в сфере образования более 5 лет
• 7 лет в ведении мероприятий разных масштабов
• Опыт работы в сфере образования более 5 лет
• 7 лет в ведении мероприятий разных масштабов
Получите эксклюзивные материалы
Гайд «Как найти кратчайший маршрут с помощью Apache Spark и GraphFrames»
Результаты вебинара
Узнаете, как работать с пространственными данными, такими как координаты GPS, и сможете решать задачи, связанные с картографией, анализом маршрутов и географическим поиском.
Освоите работу с временными данными в Spark для анализа трендов и прогнозирования.
Полученные навыки помогут вам решать задачи в реальных приложениях, таких как анализ движения транспорта, отслеживание изменения климата, обработка данных с сенсоров в Интернете вещей (IoT) и т. д.
Сможете эффективно работать с временными рядами, используя Spark для анализа трендов, сезонности, предсказаний и прогнозов на основе временных меток.
OTUS – это
170+
курсов
9
направлений в IT
621
преподаватель
350
компаний-клиентов
Корпоративное обучение для ваших сотрудников
Поможем вашей компании развивать команду!
Наши курсы верифицированы крупными игроками IT-рынка
Студенты могут консультироваться не только с преподавателями, но и с профсообществом
Выпускники получают сертификат о прохождении курса и свидетельство о повышении квалификации
Мы проверяем знания студентов перед началом обучения и после его завершения
Вы получаете доступ к простому и удобному личному кабинету компании со статистикой по обучению сотрудников
Ежегодно мы выпускаем 40−50 курсов с актуальными инструментами и практиками
Записаться на вебинар
Свяжемся с вами, чтобы подтвердить регистрацию, а ещё — пришлём напоминание о мероприятии
Дата: 17 июля
Время: 19:00 МСК
Регистрация бесплатная
© 2025 OTUS
Информация
Об Otus
Контакты
По всем вопросам
help@otus.ru
help@otus.ru