Data Science con Spark e Python

Man mano che i dati crescono, gli strumenti analitici tradizionali spesso faticano a tenere il passo con le esigenze di elaborazione della data science moderna. Il passaggio al distributed computing è essenziale per qualsiasi professionista che desideri gestire le informazioni su larga scala. Questo corso fornisce un percorso chiaro dalla manipolazione di base dei dati alla costruzione di pipeline robuste e distribuite utilizzando Spark e Python. Passerai da script di dati locali ad applicazioni scalabili in grado di gestire miliardi di righe. Alla fine di questo corso, sarai in grado di trasformare, analizzare e modellare dati su larga scala utilizzando strumenti e tecniche standard del settore. Cosa imparerai: - Comprendere l'architettura di base di Spark e i fondamenti del distributed computing - Elaborare set di dati su larga scala utilizzando DataFrames e Spark SQL per un'analisi efficiente - Implementare algoritmi di machine learning e sistemi di raccomandazione utilizzando MLlib - Esercitarsi in trasformazioni di dati complesse utilizzando RDDs, operazioni map, filter e reduce - Applicare moderni pattern di dati, incluso lo structured streaming per l'elaborazione in tempo reale - Analizzare dati interconnessi utilizzando il graph processing e GraphFrames - Configurare ambienti Spark e ottimizzare le prestazioni per codice pronto per la produzione Il corso inizia con la terminologia essenziale e i concetti fondamentali prima di passare alla manipolazione pratica dei dati. Progredirai attraverso spiegazioni scritte ed esempi di codice che coprono tutto, dalla pulizia di base dei dati ai flussi di lavoro avanzati di machine learning e all'elaborazione di stream. Questo corso è progettato per i principianti nel campo dei big data e per gli utenti Python che desiderano scalare le proprie capacità analitiche. Non è richiesta alcuna esperienza precedente con Spark o sistemi distribuiti. Inizia a leggere oggi per padroneggiare gli strumenti che alimentano la data science moderna.