Introduktion till PySpark

Den här kursen är perfekt för dataingenjörer, datavetare och praktiker inom maskininlärning som vill arbeta effektivt med stora datamängder. Oavsett om du går över från verktyg som Pandas eller tar dig an big data-tekniker för första gången, ger den här kursen en gedigen introduktion till PySpark och distribuerad databehandling.

Varför Spark? Varför nu?

Upptäck hastigheten och skalbarheten hos Apache Spark, det kraftfulla ramverket som är utformat för att hantera big data. Genom interaktiva lektioner och praktiska övningar får du se hur Sparks minnesbaserade bearbetning ger det en fördel jämfört med traditionella ramverk som Hadoop. Du börjar med att konfigurera Spark-sessioner och fördjupa dig i centrala komponenter som Resilient Distributed Datasets (RDD:er) och DataFrames. Lär dig att filtrera, gruppera och sammanfoga datamängder med lätthet medan du arbetar med verkliga exempel.

Förbättra dina Python- och SQL-kunskaper för Big Data

Lär dig hur du använder PySpark SQL för att fråga och hantera data med hjälp av välbekant SQL-syntax. Ta dig an scheman, komplexa datatyper och användardefinierade funktioner (UDF:er), samtidigt som du bygger upp färdigheter i cachning och optimering av prestanda för distribuerade system.

Bygg din grund inom Big Data

I slutet av den här kursen kommer du att känna dig trygg med att hantera, fråga och bearbeta big data med PySpark. Med dessa grundläggande färdigheter är du redo att utforska avancerade ämnen som maskininlärning och analys av stora datamängder.