Acquérez des bases solides en PySpark et en Python pour le traitement distribué des données grâce à cette formation pratique et adaptée aux débutants. Vous découvrirez comment le calcul distribué facilite l'analyse moderne des données tout en développant les compétences en programmation Python nécessaires à la création d'applications PySpark.

En commençant par la syntaxe Python, le contrôle de flux et les concepts de programmation fonctionnelle, vous apprendrez à travailler avec les Resilient Distributed Datasets (RDD), à appliquer les transformations et actions CORE de Spark, et à créer des workflows de traitement de données évolutifs. Au fil de votre progression, vous effectuerez des transformations de DataFrame, exécuterez des opérations de jointure, intégrerez des données MySQL à l’aide de JDBC et construirez un pipeline de comptage de mots afin de consolider vos techniques de traitement distribué. Conçu pour les débutants intéressés par le big data, le traitement des données et PySpark, ce cours combine des exercices pratiques de codage avec des explications claires pour vous aider à comprendre à la fois les concepts et leur application concrète. Tout au long du cours, vous vous exercerez à analyser, déboguer et évaluer des programmes PySpark tout en acquérant de l’expérience avec les workflows de données distribuées. À l’issue de ce cours, vous serez capable de créer et d’analyser des applications PySpark, de traiter efficacement des ensembles de données distribués, d’intégrer des sources de données externes et d’appliquer les concepts essentiels de l’ingénierie des données qui vous prépareront à des analyses de mégadonnées plus avancées.