Direkt zum Inhalt
Startseite

Spark-Kurse

Mit Spark werden Daten in den Speicher eingelesen, Operationen durchgeführt und die Ergebnisse zurückgeschrieben, was zu einer schnelleren Ausführung führt. Lerne auf dem DataCamp die wichtigsten Prinzipien und gängigen Pakete kennen.

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Empfohlen für Spark-Anfänger

Baue deine Spark-Fähigkeiten mit interaktiven Kursen auf, die von Experten aus der Praxis kuratiert werden.

Kurs

Einführung in PySpark

MittelSchwierigkeitsgrad
4 Stunden
721
Lerne, verteiltes Datenmanagement und maschinelles Lernen in Spark mit dem PySpark-Paket zu implementieren.

Lernpfad

Big Data mit PySpark

25 Stunden
2.1K
Meistere, wie du Big Data mit Apache Spark und der PySpark-API verarbeitest und effizient einsetzt.

Bist du dir nicht sicher, wo du anfangen sollst?

Jetzt Testen Lassen

Blättern Spark Kurse und Lernpfade

Kurs

Einführung in PySpark

MittelSchwierigkeitsgrad
4 Stunden
5.9K
Master PySpark to handle big data with ease—learn to process, query, and optimize massive datasets for powerful analytics!

Kurs

Maschinelles Lernen mit PySpark

ExperteSchwierigkeitsgrad
4 Stunden
1.1K
Erstelle datenbasierte Vorhersagen mit Apache Spark und Entscheidungsbäumen, logistischer oder linearer Regression, Ensembles und Pipelines.

Kurs

Einführung in PySpark

MittelSchwierigkeitsgrad
4 Stunden
721
Lerne, verteiltes Datenmanagement und maschinelles Lernen in Spark mit dem PySpark-Paket zu implementieren.

Kurs

Feature Engineering with PySpark

ExperteSchwierigkeitsgrad
4 Stunden
506
Learn the gritty details that data scientists are spending 70-80% of their time on; data wrangling and feature engineering.

Kurs

Einführung in Spark SQL mit Python

ExperteSchwierigkeitsgrad
4 Stunden
456
Lerne, wie du mit Python und SQL in Spark Daten bearbeiten und Feature-Sets für maschinelles Lernen erstellen kannst.

Verwandte Ressourcen auf Spark

Tutorial

Pyspark Tutorial: Erste Schritte mit Pyspark

Erfahre, was Pyspark ist und wie es verwendet werden kann, und gib Beispiele.
Natassha Selvaraj's photo

Natassha Selvaraj

10 Min.

Bist du bereit, deine Fähigkeiten einzusetzen?

Projekte ermöglichen es dir, dein Wissen auf eine breite Palette von Datensätzen anzuwenden um reale Probleme in deinem Browser zu lösen

    Häufig gestellte Fragen

    Welcher Spark-Kurs ist der beste für absolute Anfänger?

    Für neue Lernende bietet DataCamp drei Spark-Einführungskurse in den gängigsten Programmiersprachen an:

    Einführung in PySpark 

    Einführung in Spark mit sparklyr in R 

    Einführung in Spark SQL in Python Kurs

    Brauche ich Vorkenntnisse, um an einem Spark-Kurs teilzunehmen?

    Du musst einen Einführungskurs in die Programmiersprache absolviert haben, in der du Spark einsetzen willst. 

    All das kannst du hier finden:

    Einführung in Python

    Einführung in R

    Einführung in SQL

    Darüber hinaus kann jeder durch einfache, interaktive Übungen auf dem DataCamp in Spark einsteigen.

    Wofür wird PySpark verwendet?

    Wenn du bereits mit Python und Bibliotheken wie Pandas vertraut bist, dann ist PySpark eine gute Sprache, um skalierbare Analysen und Pipelines zu erstellen.

    Apache Spark ist im Grunde eine Rechenmaschine, die mit großen Datenmengen arbeitet, indem sie diese in Parallel- und Batch-Systemen verarbeitet.

    Spark ist in Scala geschrieben, und PySpark wurde veröffentlicht, um die Zusammenarbeit von Spark und Python zu unterstützen.

    Wie kann Spark meiner Karriere helfen?

    Du erwirbst die Fähigkeit, Daten zu analysieren und Machine-Learning-Modelle auf großen Datensätzen zu trainieren - eine wertvolle Fähigkeit, um ein/e Data Scientist zu werden. 

    Wenn du mit Big-Data-Frameworks wie Apache Spark arbeiten kannst, hebst du dich von anderen ab.

    Was ist Apache Spark?

    Apache Spark ist ein verteiltes Open-Source-Verarbeitungssystem, das für Big Data-Workloads verwendet wird. 

    Sie nutzt das In-Memory-Caching und die optimierte Abfrageausführung für schnelle analytische Abfragen von Daten beliebiger Größe. 

    Es bietet Entwicklungs-APIs in Java, Scala, Python und R und unterstützt die Wiederverwendung von Code für verschiedene Arbeitslasten - Batch-Verarbeitung, interaktive Abfragen, Echtzeit-Analysen, maschinelles Lernen und Graphenverarbeitung.

    Weitere Technologien und Themen

    Technologien

    Themen