Dieser Kurs führt Anfänger in die grundlegenden und fortgeschrittenen Konzepte der verteilten Datenverarbeitung mit Apache Spark ein, einer der leistungsstärksten Engines für groß angelegte Analysen. In zwei progressiv aufgebauten Modulen werden die Teilnehmer die Architektur von Spark identifizieren, seine Kernkomponenten beschreiben und wichtige Programmierkonstrukte wie z. B. Resilient Distributed Datasets (RDDs) demonstrieren. In Modul 1 werden die Teilnehmer die Prinzipien hinter dem verteilten Datenverarbeitungsmodell von Spark erkennen und grundlegende RDD-Transformationen veranschaulichen. In Modul 2 werden sie fortgeschrittene Transformationslogik anwenden, Persistenzstrategien implementieren und zwischen Dateiformaten wie CSV, JSON, Parquet und Avro für eine effiziente Datenverarbeitung unterscheiden. Am Ende des Kurses werden die Teilnehmer in der Lage sein, Spark-Anwendungen zur Optimierung zu analysieren, Speicherstrategien zu bewerten und skalierbare Datenverarbeitungs-Workflows unter Verwendung von Spark-Kern-APIs zu entwickeln. Der Kurs verbindet konzeptionelle Klarheit mit praktischen Beispielen, um die Teilnehmer für Big Data-Herausforderungen in der Praxis zu rüsten.