Dieser Kurs für Einsteiger soll die Teilnehmer in die leistungsstarke Kombination von Python und Apache Spark (PySpark) für die verteilte Datenverarbeitung und -analyse einführen. Durch strukturierte Lektionen und Beispiele aus der Praxis werden die Teilnehmer die grundlegende Python-Syntax rekapitulieren, die Schlüsselelemente von PySpark identifizieren und die Verwendung von zentralen Spark-Transformationen und -Aktionen unter Verwendung von Resilient Distributed Datasets (RDDs) demonstrieren. Im weiteren Verlauf des Kurses werden die Teilnehmer fortgeschrittene Datenverarbeitungstechniken wie Joins und Datenintegration unter Verwendung von JDBC mit MySQL anwenden und skalierbare Datenpipelines wie die Wortzählung unter Verwendung von Transformationsketten konstruieren. Jedes Modul legt Wert auf eine Mischung aus konzeptionellem Verständnis und praktischer Code-Erfahrung, die es den Lernenden ermöglicht, ihre PySpark-Anwendungen effizient zu analysieren, zu debuggen und zu evaluieren. Am Ende des Kurses werden die Lernenden praktische Kenntnisse im Aufbau verteilter Daten-Workflows erlangt haben und darauf vorbereitet sein, komplexere Data-Engineering- und Big Data Analytics-Herausforderungen anzugehen.