Ce cours de niveau débutant est conçu pour présenter aux apprenants la puissante combinaison de Python et Apache Spark (PySpark) pour le traitement et l'analyse des données distribuées. À travers des leçons structurées et des exemples du monde réel, les apprenants rappelleront la syntaxe fondamentale de Python, identifieront les éléments clés de PySpark et démontreront l'utilisation des transformations et des actions de base de Spark en utilisant des ensembles de données distribuées résilientes (RDD). Au fur et à mesure que le cours progresse, les apprenants appliqueront des techniques avancées de traitement des données telles que les jointures et l'intégration des données en utilisant JDBC avec MySQL, et construiront des pipelines de données évolutifs tels que le comptage de mots en utilisant des chaînes de transformation. Chaque module met l'accent sur un mélange de compréhension conceptuelle et d'expérience de codage pratique, permettant aux apprenants d'analyser, de déboguer et d'évaluer efficacement leurs applications PySpark. À la fin du cours, les apprenants auront acquis une compétence pratique dans la construction de flux de travail de données distribuées et seront prêts à avancer vers des défis plus complexes d'ingénierie des données et d'analytique des données.