Ce cours dote les apprenants des compétences nécessaires pour appliquer et analyser des techniques avancées de traitement des données à l'aide de PySpark, l'API Python pour Apache Spark. Conçu pour les professionnels des données ayant des connaissances fondamentales de Python et de PySpark, le cours explore des cas d'utilisation du monde réel, notamment la segmentation de la clientèle, l'exploration de texte et la modélisation stochastique. Les apprenants commenceront par appliquer l'analyse RFM (Recency, Frequency, Monetary) et le regroupement K-Means pour segmenter les clients sur la base de modèles comportementaux. Le cours passe ensuite à l'extraction de données textuelles à partir d'images et de PDF en cours d'utilisation de la Reconnaissance Optique de Caractères (OCR) et des opérations DataFrame de PySpark. Enfin, les apprenants construiront et interpréteront des simulations Monte-Carlo pour modéliser la probabilité et l'incertitude dans des scénarios basés sur des données. Tout au long du cours, les étudiants participeront à des exercices pratiques, à des démonstrations en temps réel et à des quiz pratiques qui renforcent à la fois la compréhension conceptuelle et la compétence technique. À la fin de ce cours, les apprenants seront en mesure de développer des flux de données évolutifs et efficaces en utilisant PySpark pour l'informatique décisionnelle, l'analytique et la modélisation de simulations.