PySpark Praktikal: Kejuruteraan Data dan Pembelajaran Mesin Praktikal

Apabila set data berkembang, alat pemprosesan data tradisional sukar untuk menampung skala tersebut. Mempelajari PySpark membolehkan anda memanfaatkan kuasa pengkomputeran teragih (distributed computing) menggunakan Python, membuka peluang baharu untuk kejuruteraan data dan sains data. Kursus berasaskan teks ini membawa anda daripada seorang pemula kepada menulis kod PySpark dengan yakin. Anda akan bermula dengan konsep teras pengkomputeran teragih, beralih daripada Resilient Distributed Datasets (RDDs) kepada DataFrame API moden, dan belajar cara menggunakan algoritma pembelajaran mesin pada set data yang besar. Perkara yang akan anda pelajari: - Fahami seni bina teras Spark dan cara PySpark menyelaras pemprosesan data teragih - Kuasai peralihan daripada RDDs peringkat rendah kepada Spark DataFrame API yang sangat dioptimumkan - Tulis kod PySpark yang bersih dan mudah diselenggara menggunakan amalan Python moden seperti type hints - Gunakan Spark MLlib untuk membina dan menilai model pembelajaran mesin, termasuk algoritma pengelompokan (clustering) - Proses, tapis, dan bersihkan set data berskala besar menggunakan fungsi Spark terbina dalam dan pertanyaan SQL Anda akan bermula dengan terminologi asas dan persediaan persekitaran tempatan sebelum beralih kepada manipulasi data praktikal. Melalui penerangan bertulis berstruktur dan panduan kod (code walkthroughs), anda akan maju daripada pemuatan data asas kepada pembinaan aliran kerja pembelajaran mesin. Kursus ini direka untuk bakal jurutera data, saintis data, dan penganalisis yang baharu dalam pengkomputeran teragih. Tiada pengalaman terdahulu dengan Spark diperlukan, walaupun pemahaman asas tentang Python adalah membantu. Mulakan perjalanan anda ke dalam data raya dan mula menulis kod PySpark yang cekap hari ini.