PySpark: Von den Grundlagen bis zu DataFrames

Dieser Kurs ist der Ausgangspunkt, um die Leistung des verteilten Rechnens mit PySpark, der Python-Bibliothek für Spark, zu nutzen. Sie bauen eine starke Grundlage für die Verarbeitung von Big Data auf, indem Sie lernen, sauberen, effizienten und skalierbaren Datentransformationscode zu schreiben.Am Ende des Kurses können Sie häufige Datentechnikaufgaben selbstbewusst angehen und Daten für die Analyse im großen Maßstab vorbereiten. Was Sie lernen werden: - Verstehen Sie die Kernkonzepte des verteilten Computings und der Spark-Architektur. - Verarbeiten und manipulieren Sie strukturierte Daten effizient mit der PySpark DataFrame API. - Abfragen Ihrer Daten mit Spark SQL für leistungsstarke und vertraute Analysen. - Wenden Sie gängige Transformationen und Aktionen an, um Datensätze zu bereinigen, zu aggregieren und zu verbinden. - Lernen Sie, aus Standarddatenformaten wie CSV, JSON und Parquet zu lesen und zu schreiben. - Strukturieren und führen Sie Ihre ersten eigenständigen PySpark-Anwendungen aus. - Erkunden Sie die grundlegenden Resilient Distributed Datasets (RDDs), um die Kernmechanik von Spark zu verstehen. Der Lehrplan beginnt mit der wichtigsten Terminologie und den Grundlagen des Spark-Ökosystems, und Sie arbeiten sich anhand von praktischen schriftlichen Übungen zu DataFrames und Spark SQL weiter, um praktische Fähigkeiten zu erwerben. Dieser Kurs ist für Anfänger mit einigen Python-Erfahrungen gedacht, es sind keine Vorkenntnisse in Spark oder Distributed Computing erforderlich. Starten Sie noch heute Ihre Reise in die Big Data-Verarbeitung.