Sains Data dengan Spark dan Python

Apabila data berkembang, alat analisis tradisional sering bergelut untuk memenuhi permintaan pemprosesan sains data moden. Peralihan kepada pengkomputeran teragih (distributed computing) adalah penting bagi mana-mana profesional yang ingin mengendalikan maklumat pada skala besar. Kursus ini menyediakan laluan yang jelas daripada manipulasi data asas kepada pembinaan saluran paip (pipelines) yang teguh dan teragih menggunakan Spark dan Python. Anda akan beralih daripada skrip data tempatan kepada aplikasi berskala yang boleh mengendalikan berbilion baris. Menjelang akhir kursus ini, anda akan dapat mengubah, menganalisis, dan memodelkan data berskala besar menggunakan alat dan teknik standard industri. Apa yang anda akan pelajari: - Memahami seni bina teras Spark dan asas-asas pengkomputeran teragih (distributed computing) - Memproses set data berskala besar menggunakan DataFrames dan Spark SQL untuk analisis yang cekap - Melaksanakan algoritma pembelajaran mesin dan sistem cadangan menggunakan MLlib - Mengamalkan transformasi data kompleks menggunakan RDDs, operasi map, filter, dan reduce - Mengaplikasikan corak data moden termasuk structured streaming untuk pemprosesan masa nyata - Menganalisis data yang saling berkaitan menggunakan pemprosesan graf dan GraphFrames - Mengkonfigurasi persekitaran Spark dan mengoptimumkan prestasi untuk kod sedia-pengeluaran (production-ready code) Kursus ini bermula dengan terminologi penting dan konsep asas sebelum beralih kepada manipulasi data praktikal. Anda akan maju melalui penjelasan bertulis dan contoh kod yang merangkumi segala-galanya daripada pembersihan data asas kepada aliran kerja pembelajaran mesin lanjutan dan pemprosesan strim. Kursus ini direka untuk pemula dalam ruang data besar (big data space) dan pengguna Python yang ingin meningkatkan keupayaan analisis mereka. Tiada pengalaman terdahulu dengan Spark atau sistem teragih diperlukan. Mula membaca hari ini untuk menguasai alat yang menggerakkan sains data moden.