|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/aparche-spark-con-python-y-pyspark/
课程评论：没有评论
课程名称：Apache Spark Streaming与Python和PySpark 课程概述： 本课程涵盖Apache Spark Streaming与Python的所有基本要素，教授开发Apache Spark应用程序所需的知识。完成本课程后，学员将深入理解Apache Spark Streaming，并获得大数据处理和分析的技能，从而帮助企业或项目实现Apache Spark在大数据处理管道和数据分析应用中的应用。这门课程对于希望掌握数据科学的人士至关重要。 学习内容： - 理解Apache Spark的架构。 - 使用PySpark开发Apache Spark Streaming应用程序，掌握RDD转换、行动及Spark SQL的使用。 - 学习如何操作Apache Spark的核心抽象：弹性分布式数据集（RDD），用于处理和分析大型数据集。 - 高级优化技术，包括使用分区、缓存存储和RDD持久性来提升Apache Spark作业性能。 - 扩展Spark Streaming应用程序的带宽和处理速度。 - 使用数据集和数据框分析结构化和半结构化数据，深入了解Spark SQL的工作机制。 - 将Spark Streaming与集群计算工具（如Apache Kafka）集成。 - 连接Spark流与数据源，如亚马逊网络服务（AWS）。 - 学习与Apache Spark相关的最佳实践和大数据生态系统的概述。 为什么要学习Apache Spark Streaming？ Spark Streaming日益受欢迎，随着数据生成速度的加快，传统的静态数据框架分析逐渐无法满足需求。Apache Spark Streaming提供了几乎实时处理数据的能力，成为了处理大数据的重要工具。Spark在内存中进行集群计算，显著提高迭代算法和交互式数据挖掘任务的速度，是许多福布斯500强公司提取大规模数据流信息的重要技术。 编程语言： 本课程使用Python进行教学，Python是当今最流行的编程语言之一，拥有强大的数据处理社区和工具。通过使用PySpark，学员可以与Apache Spark Streaming的核心抽象RDD及其他组件（如Spark SQL）进行交互，从而高效地处理大数据。 课程时长：学习Spark的时间约为4小时。 目标学员： - 希望在数据流处理方面提升能力的Python开发者。 - 数据工程团队中的高级经理或工程师。 - 希望扩展技能的Spark开发者。 保证：课程提供30天的无条件退款保证，如不满意可申请全额退款。 准备好提升你的大数据分析技能和职业发展吗？立即参加本课程！
De qué trata este curso:Este curso cubre todos los aspectos fundamentales de Apache Spark streaming con Python, y te enseña todo lo que necesitas saber sobre el desarrollo de aplicaciones Apache Spark.Al final de este curso, obtendrás un conocimiento profundo sobre Apache Spark streaming, así como habilidades generales de manejo y análisis de big data para ayudar a tu empresa o proyecto a adaptar Apache Spark para la construcción de un pipeline de procesamiento de big data y aplicaciones de análisis de datos.Este curso sera absolutamente critico para cualquiera que quiera dominar Data Science hoy en día.¿Qué aprenderás en estas clases?En particular, aprenderás:Sobre la arquitectura de Apache Spark.Como desarrollar aplicaciones Apache Spark streaming con PySpark usando transformaciones RDD, acciones y Spark SQL.Serás capaz de trabajar con la abstracción principal de Apache Spark, RDDs o conjuntos de datos distribuidos y resilientes (RDD) para procesar y analizar grandes conjuntos de datos.Técnicas avanzadas para optimizar y mejorar los trabajos Apache Spark al usar particiones, almacenamiento en cache y persistencia de RDDs.Escalar aplicaciones Spark Streaming para banda ancha y velocidad de procesamiento.Analizar datos estructurados y semiestructurados utilizando conjuntos de datos (Datasets) y Dataframes, y entender a detalle el funcionamiento de Spark SQL.Como integrar Spark Streaming con herramientas de computo de clusters tales como Apache Kafka.Conectar tu Spark Stream con una fuente de datos tal como Amazon Web Services (AWS).Técnicas avanzadas para optimizar y mejorar, trabajos de Apache Spark mediante el particionado, almacenamiento en caché y la persistencia de RDDs.Sobre buenas prácticas de trabajo con Apache Spark.Repaso del ecosistema Big Data¿Por qué debería aprender Apache Spark en streaming?Spark Streaming se está volviendo increíblemente popular. Según IBM, el noventa por ciento de los datos en el mundo de hoy se ha creado solo en los últimos dos años. Nuestra salida actual de datos es de aproximadamente 2.5 quintillones de bytes por día. El mundo está siendo inmerso en datos, cada día más. Como tal, el análisis de marcos de datos estáticos de datos no dinámicos se convierte en el enfoque menos práctico de cada vez más problemas. Aquí es donde entra la transmisión de datos, la capacidad de procesar datos casi tan pronto como se producen, reconociendo la dependencia del tiempo de los datos.Apache Spark streaming nos brinda una capacidad ilimitada para crear aplicaciones de vanguardia. También es una de las tecnologías más convincentes de la última década en términos de su interrupción en el mundo del big data. Spark proporciona computación en clúster en memoria que aumenta considerablemente la velocidad de los algoritmos iterativos y las tareas de minería de datos interactiva.Spark también es un potente motor para transmitir datos y procesarlos. La sinergia entre ellos hace de Spark una herramienta ideal para procesar gigantescos chimeneas de datos.Toneladas de compañías, incluidas las de Fortune 500, están adaptando la transmisión de Apache Spark para extraer el significado de flujos de datos masivos. Hoy en día, tienes acceso a esa misma tecnología de big data en tu escritorio.¿En qué lenguaje de programación se enseña este curso de Apache Spark streaming?Apache Spark streaming se imparte en Python. Python es actualmente uno de los lenguajes de programación más populares del mundo! Su gran comunidad de datos, que ofrece vastas cantidades de juegos de herramientas y características, la convierte en una herramienta poderosa para el procesamiento de datos. Al utilizar PySpark (la API de Python para Spark), podrá interactuar con la abstracción principal de Apache Spark Streaming, RDDs, así como con otros componentes de Spark, como Spark SQL y mucho más.¡Aprendamos cómo escribir programas de transmisión de Apache Spark Streaming con PySpark para procesar fuentes de big data hoy!¡30 días de garantía de devolución de dinero!Udemy brinda una garantía de devolución de dinero de 30 días para este curso de Apache Spark streaming.Si no estás satisfecho, simplemente solicita un reembolso dentro de los 30 días. Obtendrás un reembolso completo sin preguntas en absoluto.¿Está listo para llevar tus habilidades de análisis de big data y tu carrera al siguiente nivel, toma este curso ahora?Aprenderás Spark en 4 horas.Para quién es este curso:Desarrolladores de Python que buscan mejorar en Data StreamingGerentes o Ingenieros Senior en Equipos de Ingeniería de DatosDesarrolladores Spark ansiosos por ampliar sus habilidades.
