Hands-On PySpark: Van basis tot DataFrames

Deze cursus is het startpunt voor het benutten van de kracht van gedistribueerde computing met PySpark, de Python-bibliotheek voor Spark, en biedt een overzicht van de belangrijkste technieken en technieken die worden gebruikt om gegevens te verzamelen en te analyseren. Je bouwt een sterke basis in big data-verwerking door te leren schone, efficiënte en schaalbare datatransformatiecode te schrijven.Aan het einde van de cursus kun je met vertrouwen algemene data-engineeringtaken aanpakken en gegevens voorbereiden voor analyse op schaal. Wat je leert: - Begrijp de kernconcepten van gedistribueerde computing en de Spark-architectuur. - Verwerk en manipuleer gestructureerde gegevens efficiënt met behulp van de PySpark DataFrame API. - Query uw gegevens met Spark SQL voor krachtige en vertrouwde analyse. - Pas veelgebruikte transformaties en acties toe om datasets op te schonen, samen te voegen en toe te voegen. - Leer lezen van en schrijven naar standaard gegevensindelingen zoals CSV, JSON en Parquet. - Structureer en voer uw eerste standalone PySpark-toepassingen uit. - Verken de fundamentele Resilient Distributed Datasets (RDD's) om de kernmechanica van Spark te begrijpen. Het curriculum begint met belangrijke terminologie en de basisprincipes van het Spark-ecosysteem, waarna u door middel van praktische schriftelijke oefeningen gericht op DataFrames en Spark SQL praktische vaardigheden opbouwt. Deze cursus is bedoeld voor beginners met enige Python-ervaring, geen voorkennis van Spark of gedistribueerde computing is vereist. Begin vandaag nog met uw reis naar big data processing.