(Inggris) Python: Tutorials for Python Users

Karena dataset tumbuh terlalu besar untuk ditangani oleh alat tradisional, komputasi terdistribusi menjadi penting bagi para profesional data modern. Kursus berbasis teks ini memperkenalkan Anda pada PySpark, Python API for Spark, yang memungkinkan Anda untuk memproses dan menganalisis dataset besar dengan cepat dan efisien. Anda akan berpindah dari pemrosesan data mesin tunggal ke aliran kerja data besar yang terdistribusi. Dengan membaca penjelasan yang jelas dan berlatih dengan potongan kode dunia nyata, Anda akan menguasai konsep dasar penyimpanan terdistribusikan, eksekusi query, dan manipulasi data. Apa yang akan kau pelajari: - Mengerti dasar-dasar komputasi terdistribusi, arsitektur Spark, dan transisi dari perpustakaan data tradisional. - Membuat dan memanipulasi Resilient Distributed Datasets (RDDs) dan Spark DataFrames berperforma tinggi. - Query datasets besar menggunakan Spark SQL untuk menjalankan query relasional yang akrab pada data terdistribusi. - Terapkan Pandas API modern di Spark untuk menyesuaikan aliran kerja Pandas yang ada dengan data besar. - Mengoptimalkan pipa pemrosesan data menggunakan caching, partisi, dan definisi skema yang efisien. - Mengeksplorasi dasar-dasar streaming terstruktur untuk pemrosesan data feed waktu nyata. Kursus ini dimulai dengan terminologi big data yang penting dan arsitektur inti Spark sebelum beralih ke operasi DataFrame praktis dan query SQL. Anda akan maju ke teknik optimasi kinerja dan API skala data modern melalui penjelasan tertulis yang terstruktur dan latihan kode. Kursus ini dirancang untuk insinyur data pemula, analis data, dan pengembang Python yang ingin memasuki dunia big data. Tidak diperlukan pengalaman sebelumnya dengan sistem terdistribusi, meskipun pemahaman dasar Python dan SQL akan membantu. Mulai membaca hari ini untuk membuka kekuatan komputasi terdistribusi dan skala keterampilan pemrosesan data Anda.