Apache Spark Foundations pour l'ingénierie des données et l'apprentissage automatique

Les données augmentent plus rapidement que jamais et les outils traditionnels ont souvent du mal à les traiter à grande échelle. Apache Spark fournit le cadre nécessaire pour gérer des ensembles de données massifs pour l'ingénierie et la modélisation prédictive. Ce cours vous emmène des bases du calcul distribué à la mise en œuvre de flux de données du monde réel. Ce que vous apprendrez: - Comprendre l'architecture de base d'Apache Spark et le traitement des données distribuées - Effectuer des opérations d'extraction, de transformation et de chargement (ETL) sur des ensembles de données à grande échelle - Créez des pipelines d'apprentissage automatique à l'aide de la bibliothèque Spark MLlib - Implémenter Spark Structured Streaming pour le traitement des données en temps réel - Appliquer des modèles de données modernes comme Delta Lake pour un stockage de données fiable - Pratiquer le nettoyage des données et l'ingénierie des fonctionnalités pour les modèles d'apprentissage automatique évolutifs Le cours commence par les concepts et la terminologie fondamentaux avant de passer aux applications pratiques de Spark SQL, de streaming et d'apprentissage automatique. Vous travaillerez à travers des explications écrites et des exercices de code conçus pour simuler des tâches d'ingénierie de données professionnelles. Ce cours est conçu pour les débutants intéressés par la science ou l'ingénierie des données; aucune expérience préalable avec Spark n'est requise.