Hands-On PySpark: Praktische data-engineering en machine learning

Naarmate datasets groeien, hebben traditionele hulpmiddelen voor gegevensverwerking moeite om de schaal bij te houden.Met PySpark kunt u de kracht van gedistribueerde computing gebruiken met Python, waardoor nieuwe mogelijkheden voor data engineering en data science worden geopend. Deze tekstgebaseerde cursus neemt u mee van een beginner tot het met vertrouwen schrijven van PySpark-code.U begint met kernconcepten voor gedistribueerde computing, de overgang van veerkrachtige gedistribueerd datasets (RDD's) naar de moderne DataFrame API en leert hoe u machine learning-algoritmen kunt toepassen op grote datasets. Wat je leert: - Begrijp de kernarchitectuur van Spark en hoe PySpark gedistribueerde gegevensverwerking coördineert - Beheers de overgang van RDD's op laag niveau naar de zeer geoptimaliseerde Spark DataFrame API - Schrijf schone, onderhoudbare PySpark-code met behulp van moderne Python-praktijken zoals type hints - Pas Spark MLlib toe om machine learning-modellen te bouwen en te evalueren, inclusief clustering-algoritmen - Verwerk, filter en reinig grootschalige datasets met behulp van ingebouwde Spark-functies en SQL-query's Je begint met de basisterminologie en de lokale omgevingsinstellingen voordat je doorgaat naar de praktische gegevensmanipulatie.Door middel van gestructureerde schriftelijke uitleg en code-walkthroughs, ga je van het laden van basisgegevens naar het bouwen van een machine learning-workflow. Deze cursus is bedoeld voor aspirant-data-engineers, datawetenschappers en analisten die nieuw zijn voor gedistribueerde computing.Ervaring met Spark is niet vereist, hoewel een basiskennis van Python nuttig is. Begin uw reis in big data en begin vandaag nog met het schrijven van efficiënte PySpark-code.