مقدمه‌ای بر PySpark

این دوره برای مهندسان داده، دانشمندان داده و متخصصان یادگیری ماشین که به دنبال کار کارآمد با مجموعه داده بزرگ هستند، بسیار مناسب است. چه در حال انتقال از ابزارهایی مانند Pandas باشید و چه برای اولین بار وارد دنیای فناوری‌های کلان‌داده می‌شوید، این دوره مقدمه‌ای قوی بر PySpark و پردازش توزیع‌شده داده ارائه می‌دهد.

چرا Spark؟ چرا اکنون؟

سرعت و مقیاس‌پذیری Apache Spark، چارچوب قدرتمند طراحی شده برای مدیریت کلان‌داده را کشف کنید. از طریق درس‌های تعاملی و تمرین‌های عملی، خواهید دید که چگونه پردازش درون‌حافظه‌ای در Spark، به آن برتری نسبت به چارچوب‌های سنتی مانند Hadoop می‌دهد. شما با راه‌اندازی سشن های Spark کار را آغاز کرده و در اجزای اصلی مانند مجموعه داده توزیع‌شده انعطاف‌پذیر (RDDs) و دیتافریم‌ها عمیق خواهید شد. یاد بگیرید که چگونه هنگام کار بر روی مثال‌های دنیای واقعی، مجموعه داده را به‌سادگی فیلتر، گروه‌بندی و ادغام کنید.

تقویت مهارت‌های Python و SQL خود برای کلان‌داده

بیاموزید چگونه از PySpark SQL برای کوئری و مدیریت داده با استفاده از سینتکس آشنای SQL بهره ببرید. به سراغ طرح‌واره‌ها، انواع داده پیچیده و توابع تعریف‌شده توسط کاربر (UDFs) بروید، در حالی که مهارت‌های خود را در کش کردن و بهینه‌سازی عملکرد برای سیستم‌های توزیع‌شده می‌سازید.

اصول کلان‌داده خود را بسازید.

در پایان این دوره، اعتمادبه‌نفس لازم برای مدیریت، کوئری و پردازش کلان‌داده با استفاده از PySpark را خواهید داشت. با این مهارت‌های اساسی، آماده بررسی در موضوعات پیشرفته مانند یادگیری ماشین و تحلیل کلان‌داده خواهید بود.