(Inggris) Data dari situs web resmi PBS

Ketika jumlah data meningkat secara eksponensial, alat pengolahan data tradisional kesulitan untuk mengikuti perkembangannya. Belajar bagaimana memanfaatkan komputasi cluster sangat penting bagi siapa pun yang ingin bekerja dengan data berskala besar. Kursus berbasis teks ini memandu Anda melalui konsep dasar Big Data dan menunjukkan bagaimana memprosesnya secara efisien menggunakan PySpark. Anda akan berpindah dari memahami prinsip-prinsip komputasi inti cluster ke menulis query yang dioptimalkan dan membangun workflow data yang dapat disesuaikan. Apa yang akan kau pelajari: - Mengerti arsitektur inti Spark dan bagaimana komputasi cluster menangani dataset besar. - Menguasai PySpark DataFrame API untuk menyaring, kelompok, dan agregat data skala besar. - Query data terstruktur secara efisien menggunakan SparkSQL untuk operasi database-seperti tanpa serat. - Terapkan algoritma pembelajaran mesin pada skala menggunakan perpustakaan MLlib. - Bekerja dengan format penyimpanan data modern seperti Parquet dan mengoptimalkan serialisasi data. - Praktik menulis bersih, modern PySpark kode menggunakan tips jenis dan praktik terbaik untuk debugging. Kursus ini dimulai dengan definisi dasar Big Data dan arsitektur Spark sebelum beralih ke manipulasi data praktis, query SQL, dan aliran kerja dasar machine learning. Melalui penjelasan tertulis, walkthrough kode terstruktur, dan latihan praktis, Anda akan membangun pengetahuan kerja yang solid tentang analisis data terdistribusi. Kursus ini dirancang untuk pemula yang ingin memasuki dunia Big Data, hanya membutuhkan keakraban dasar dengan pemrograman Python. Mulai perjalanan Anda ke komputasi terdistribusi dan buka kunci kekuatan analisis data skala besar hari ini.