【最全资料下载】Python 系列直播——深入Python与日志服务,玩转大规模数据分析处理实战

简介: 直播讲师:丁来强(成喆)——阿里高级技术专家,从事阿里云日志服务相关的产品与研发工作,擅长AIOps/SecOps的大数据分析平台构建与场景落地,擅长C++与Python语言等。PyCon历届讲师,曾经在中国PyCon2015、2016与2018分享过7场/6个不同议题,覆盖Jupyter扩展、大数据分析可视化、工作流调度、函数式、设计模式、Python核心语言等方面,广受好评。

直播讲师:丁来强(成喆)——阿里高级技术专家,从事阿里云日志服务相关的产品与研发工作,擅长AIOps/SecOps的大数据分析平台构建与场景落地,擅长C++与Python语言等。
PyCon历届讲师,曾经在中国PyCon2015、2016与2018分享过7场/6个不同议题,覆盖Jupyter扩展、大数据分析可视化、工作流调度、函数式、设计模式、Python核心语言等方面,广受好评。

第一讲——使用IPython/Jupyter Notebook与日志服务玩转超大规模数据分析与可视化

直播介绍:IPython/Jupyter Notebook非常流行,但随着数据量越来越大(例如几百亿条电商平台访问日志),如何继续保持灵活的交互式分析,是一个挑战。阿里云日志服务作为阿里商业操作系统的智能运维平台,无需开发就能快捷完成海量日志数据的采集、消费、投递以及查询分析等功能。这里介绍如何借助日志服务对IPython/Jupyter扩展的功能,用Python对海量数据进行深度加工(ETL)、交互式分析(通过SQL、DataFrame)、机器学习与可视化等。

PPT下载:/download/3322
直播回顾:/live/875


第二讲——流畅的Python数据处理及大数据处理ETL

直播时间:3月6日(周三)20:00—21:00

直播介绍:大数据分析中常常要对数据进行规整(ETL),而Python内置强大的数据结构以及语法(如推导式、切片、函数式编程等)对于数据处理又非常友好。本节介绍如何灵活、流畅地使用这些特性,在日志服务场景中对大规模不规则日志进行常规ETL操作。

PPT下载:/download/3338
直播回顾:/live/910


第三讲—— Python3舒适性编程与兼容Py2/3实践

直播时间:3月13日(周三)20:00—21:00

直播介绍:Python3有许多“舒适编程”的特性,而Python2也即将EOL,但Py2/Py3并存的局面可预见的还是会保持一段时间。本节介绍Py3一些不错亮点,以及如何兼顾Py2/Py3的一些实践。

ppt下载:/download/3344
视频回顾:/live/918


第四讲——Python并发编程与实时大数据处理监控

直播时间:3月20日(周三)20:00—21:00

直播介绍: Python多线程、多进程编程该如何做?如何避开GIL?本节以日志服务消费组模型为例,介绍相关原理实践以及如何做实时大数据的处理与监控。

ppt下载:/download/3389
直播回顾:/live/932


第五讲——Python日志最佳实践与日志上云实战

直播时间:3月27日(周三)20:00—21:00

直播介绍:良好的日志实践可以帮助后续的开发排错、运营维护监控管理工作大大提高效率,本节介绍使用Python的日志模块的最佳实践,并轻松上云,利用日志服务提高产品运维效率。

PPT链接:/download/3469
视频回顾:/live/949


第六讲——改造Python对象模块的实用技巧及日志服务ETL插件原理
直播时间:4月3日(周三)20:00—21:00

直播介绍: Python作为动态语言,插件与模块机制非常强大,在编写框架类程序时尤其有用,本节深入浅出的介绍Python的语言扩展能力,以及日志服务中的CLI插件机制原理。

资料下载:/download/3483
直播回顾:/live/969

欢迎加入python技术进阶钉群收看直播及往期回顾


_2019_01_15_10_28_39


或点击链接:http://tb.cn/UQkRRHw

  • 详情

4a7942c6_3fb4_4b6f_aa32_2884dfbe7f36

相关实践学习
日志服务之使用Nginx模式采集日志
本文介绍如何通过日志服务控制台创建Nginx模式的Logtail配置快速采集Nginx日志并进行多维度分析。
相关文章
|
3天前
|
C++ 开发者 Python
实现Python日志点击跳转到代码位置的方法
本文介绍了如何在Python日志中实现点击跳转到代码位置的功能,以提升调试效率。通过结合`logging`模块的`findCaller()`方法记录代码位置信息,并使用支持点击跳转的日志查看工具(如VS Code、PyCharm),开发者可以从日志直接点击链接定位到出错代码,加快问题排查。
12 2
|
3天前
|
机器学习/深度学习 数据采集 算法
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
|
1天前
|
数据采集 人工智能 数据挖掘
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
|
3天前
|
数据采集 数据可视化 数据挖掘
利用Python和Pandas库优化数据分析流程
在当今数据驱动的时代,数据分析已成为企业和个人决策的重要依据。Python作为一种强大且易于上手的编程语言,配合Pandas这一功能丰富的数据处理库,极大地简化了数据分析的流程。本文将探讨如何利用Python和Pandas库进行高效的数据清洗、转换、聚合以及可视化,从而优化数据分析的流程,提高数据分析的效率和准确性。
|
3天前
|
安全 测试技术 Python
零操作,高效下载:利用Playwright和Python完成文件下载
Playwright是Microsoft开发的跨浏览器自动化测试工具,能模拟用户操作,包括文件下载。在Python中,它提供`expect_download()`来处理文件下载,无需额外工具。下载开始时触发事件,完成后可通过`download.path()`获取路径。下载相关操作包括取消、删除、获取错误信息、所属页面、文件名、URL等。示例代码展示了如何下载pytest的压缩文件,简化了web自动化测试中的文件下载场景。
13 4
|
3天前
|
SQL 数据采集 数据挖掘
构建高效的Python数据处理流水线:使用Pandas和NumPy优化数据分析任务
在数据科学和分析领域,Python一直是最受欢迎的编程语言之一。本文将介绍如何通过使用Pandas和NumPy库构建高效的数据处理流水线,从而加速数据分析任务的执行。我们将讨论如何优化数据加载、清洗、转换和分析的过程,以及如何利用这些库中的强大功能来提高代码的性能和可维护性。
|
3天前
|
数据可视化 数据挖掘 BI
【Python】—— pandas 数据分析
【Python】—— pandas 数据分析
19 1
|
3天前
|
数据采集 数据可视化 数据挖掘
如何利用Python中的Pandas库进行数据分析和可视化
Python的Pandas库是一种功能强大的工具,可以用于数据分析和处理。本文将介绍如何使用Pandas库进行数据分析和可视化,包括数据导入、清洗、转换以及基本的统计分析和图表绘制。通过学习本文,读者将能够掌握利用Python中的Pandas库进行高效数据处理和可视化的技能。
|
3天前
|
机器学习/深度学习 数据可视化 算法
使用Python进行数据分析的5个必备技巧
【5月更文挑战第9天】本文介绍了Python数据分析的五个关键技巧:1) 使用Pandas进行数据处理和清洗;2) 利用NumPy进行高效数值计算;3) 通过Matplotlib和Seaborn创建可视化图表;4) 使用Scikit-learn执行机器学习任务;5) 在Jupyter Notebook中进行交互式分析和文档分享。这些技巧能提升数据分析的效率和准确性。
|
3天前
|
数据采集 数据可视化 数据挖掘
Python 与 PySpark数据分析实战指南:解锁数据洞见
Python 与 PySpark数据分析实战指南:解锁数据洞见
http://www.vxiaotou.com