Weiter zum Inhalt
StartseiteSpark

Kurs

Grundlagen von Big Data mit PySpark

ExperteSchwierigkeitsgrad
Aktualisiert 02/2025
Dieser Kurs zeigt praxisnah, wie du in PySpark mit Big Data arbeitest.
Kurs kostenlos starten
SparkData Engineering
4 Std.
16 Videos
55 Übungen
4,600 XP
65,255
Leistungsnachweis

Kostenloses Konto erstellen

Mit Google fortfahrenWeitere Optionen anzeigen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Group

Ein Team schulen?

Für Unternehmen ausprobieren

Kursbeschreibung

In den letzten Jahren wurde viel über Big Data geredet und in vielen Unternehmen ist dieses Thema endlich angekommen. Aber was ist mit Big Data eigentlich gemeint? Dieser Kurs vermittelt die Grundlagen von Big Data mit PySpark. Spark ist ein extrem schnelles Cluster-Computing-Framework für Big Data. Es bietet eine allgemeine Datenverarbeitungsplattform und lässt dich Programme bis zu 100x schneller im Speicher oder 10x schneller auf der Festplatte ausführen als Hadoop. Du verwendest PySpark, ein Python-Paket für die Spark-Programmierung, und seine leistungsstarken, höheren Bibliotheken wie SparkSQL, MLlib (für maschinelles Lernen) und so weiter. In Übungen untersuchst du die Werke von William Shakespeare, analysierst Daten zur FIFA-WM 2018 und führst Clustering mit Genom-Datensätzen durch. Am Ende dieses Kurses hast du ein tiefes Verständnis von PySpark und seiner Nutzung für allgemeine Big-Data-Analysen.

Voraussetzungen

Introduction to Python
1

Einführung in die Big-Data-Analyse mit Spark

Dieses Kapitel führt in die spannende Welt von Big Data ein und stellt die verschiedenen Konzepte und Frameworks für die Verarbeitung dieser riesigen Datenmengen vor. Du wirst verstehen, warum Apache Spark als bestes Framework für Big Data gilt.
Kapitel starten
2

Programmieren in PySpark-RDDs

Die wichtigste Abstraktion, die Spark zur Verfügung stellt, ist ein fehlertoleranter verteilter Datensatz – Resilient Distributed Dataset (RDD) –, der die Grundlage und das Rückgrat dieser Engine bildet. Dieses Kapitel führt in RDDs ein und zeigt, wie sie mit RDD-Transformationen und -Aktionen erstellt und ausgeführt werden.
Kapitel starten
3

PySpark SQL & DataFrames

In diesem Kapitel lernst du Spark SQL kennen. Dabei handelt es sich um ein Spark-Modul für die strukturierte Datenverarbeitung. Es bietet eine Programmierabstraktion namens DataFrames und kann auch als verteilte SQL Query Engine fungieren. Dieses Kapitel zeigt, wie du DataFrames mithilfe von Spark SQL in Python nutzen kannst.
Kapitel starten
4

Maschinelles Lernen mit PySpark MLlib

PySpark MLlib ist die skalierbare Bibliothek von Apache Spark für maschinelles Lernen in Python und besteht aus gängigen Lernalgorithmen und Dienstprogrammen. In diesem letzten Kapitel lernst du wichtige Algorithmen für maschinelles Lernen kennen. Du erstellst eine Engine für Filmempfehlungen und einen Spam-Filter und wendest k-Means-Clustering an.
Kapitel starten
Grundlagen von Big Data mit PySpark
Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

    Schließe dich 19 Millionen Lernenden an und starte Grundlagen von Big Data mit PySpark heute!

    Kostenloses Konto erstellen

    Mit Google fortfahrenWeitere Optionen anzeigen

    oder

    Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

    DataCamp gibt es auch für Mobilgeräte

    Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.