Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
¿Listo para trabajar con datos reales a gran escala? En este curso aprenderás a transformar grandes conjuntos de datos con Spark SQL y PySpark en Databricks. Verás cómo dar forma y limpiar datos, ejecutar agregaciones con joins optimizados y aplicar funciones de ventana para analítica avanzada. También configurarás streaming basado en archivos con checkpoints tolerantes a fallos y persistirás resultados como tablas Delta. Al finalizar, orquestarás canalizaciones de producción de varios pasos con Databricks Workflows y Lakeflow Declarative Pipelines.
Requisitos previos
Programa de formación
Contenido del curso
1
Carga y modelado de datos
En este capítulo aprenderás a trabajar con notebooks de Databricks, cargar datos CSV en DataFrames de Spark y dar forma a los datos usando PySpark y SQL.
- Trabajar con notebooks de Databricks50 XP
- Entender los notebooks de Databricks50 XP
- Cargar tu primer conjunto de datos100 XP
- Explorar los registros del driver100 XP
- Transformar datos con PySpark y SQL50 XP
- Dar forma a los datos con PySpark100 XP
- Analizar datos con SQL100 XP
- Entender las vistas temporales50 XP
2
Limpieza de datos y optimización
Aprende a definir esquemas explícitos, crear una canalización de limpieza de datos y optimizar el rendimiento de las consultas con broadcast joins.
3
Analítica y canalizaciones de producción
Aprende a calcular totales acumulados y rankings con funciones de ventana, crear canalizaciones de streaming y desplegar flujos de trabajo de producción.
Transformación de datos con Spark SQL en Databricks
Curso
completado
