【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:https://yq.aliyun.com/download/3322
直播回顾:https://yq.aliyun.com/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:https://yq.aliyun.com/download/3338
直播回顾:https://yq.aliyun.com/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:https://yq.aliyun.com/download/3344
视频回顾:https://yq.aliyun.com/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:https://yq.aliyun.com/download/3389
直播回顾:https://yq.aliyun.com/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:https://yq.aliyun.com/download/3469
视频回顾:https://yq.aliyun.com/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:https://yq.aliyun.com/download/3483
直播回顾:https://yq.aliyun.com/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
|
5天前
|
机器学习/深度学习 数据挖掘 计算机视觉
python数据分析工具SciPy
【4月更文挑战第15天】SciPy是Python的开源库,用于数学、科学和工程计算,基于NumPy扩展了优化、线性代数、积分、插值、特殊函数、信号处理、图像处理和常微分方程求解等功能。它包含优化、线性代数、积分、信号和图像处理等多个模块。通过SciPy,可以方便地执行各种科学计算任务。例如,计算高斯分布的PDF,需要结合NumPy使用。要安装SciPy,可以使用`pip install scipy`命令。这个库极大地丰富了Python在科学计算领域的应用。
9 1
|
6天前
|
数据可视化 数据挖掘 Python
Python中数据分析工具Matplotlib
【4月更文挑战第14天】Matplotlib是Python的数据可视化库,能生成多种图表,如折线图、柱状图等。以下是一个绘制简单折线图的代码示例: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.figure() plt.plot(x, y) plt.title('简单折线图') plt.xlabel('X轴') plt.ylabel('Y轴') plt.show() ```
9 1
|
6天前
|
数据采集 SQL 数据可视化
Python数据分析工具Pandas
【4月更文挑战第14天】Pandas是Python的数据分析库,提供Series和DataFrame数据结构,用于高效处理标记数据。它支持从多种数据源加载数据,包括CSV、Excel和SQL。功能包括数据清洗(处理缺失值、异常值)、数据操作(切片、过滤、分组)、时间序列分析及与Matplotlib等库集成进行数据可视化。其高性能底层基于NumPy,适合大型数据集处理。通过加载数据、清洗、分析和可视化,Pandas简化了数据分析流程。广泛的学习资源使其成为数据分析初学者的理想选择。
10 1
|
7天前
|
供应链 搜索推荐 数据挖掘
Pandas实战案例:电商数据分析的实践与挑战
【4月更文挑战第16天】本文通过一个电商数据分析案例展示了Pandas在处理销售数据、用户行为分析及商品销售趋势预测中的应用。在数据准备与清洗阶段,Pandas用于处理缺失值、重复值。接着,通过用户购买行为和商品销售趋势分析,构建用户画像并预测销售趋势。实践中遇到的大数据量和数据多样性挑战,通过分布式计算和数据标准化解决。未来将继续深入研究Pandas与其他先进技术的结合,提升决策支持能力。
|
7天前
|
存储 数据可视化 数据挖掘
实战案例:Pandas在金融数据分析中的应用
【4月更文挑战第16天】本文通过实例展示了Pandas在金融数据分析中的应用。案例中,一家投资机构使用Pandas加载、清洗股票历史价格数据,删除无关列并重命名,将日期设为索引。接着,数据被可视化以观察价格走势,进行基本统计分析了解价格分布,以及计算移动平均线来平滑波动。Pandas的便捷功能在金融数据分析中体现出高效率和实用性。
|
8天前
|
Python 数据挖掘 存储
Python 数据分析(PYDA)第三版(七)(4)
Python 数据分析(PYDA)第三版(七)
30 1
|
Python Shell 存储
Python 数据分析(PYDA)第三版(七)(3)
Python 数据分析(PYDA)第三版(七)
44 1
Python 数据分析(PYDA)第三版(七)(3)
|
机器学习/深度学习 数据可视化 Python
Python 数据分析(PYDA)第三版(六)(2)
Python 数据分析(PYDA)第三版(六)
54 0
|
机器学习/深度学习 Python 数据挖掘
Python 数据分析(PYDA)第三版(六)(1)
Python 数据分析(PYDA)第三版(六)
55 0
|
8天前
|
Python 数据格式 XML
Python 数据分析(PYDA)第三版(三)(1)
Python 数据分析(PYDA)第三版(三)
66 0