آموزش PySpark برای مبتدیان [ویدئو]

سرفصل ها و درس ها

درک اسپارک Understanding Spark

• بررسی اجمالی دوره The Course Overview

• Spark Jobs و API ها Spark Jobs and APIs

• معماری Spark 2.0 Spark 2.0 Architecture

مجموعه داده های توزیع شده انعطاف پذیر Resilient Distributed Datasets

• ایجاد RDD Creating RDDs

• تحولات Transformations

• اقدامات Actions

DataFrames DataFrames

• عملیات پایه با DataFrames Basic Operations with DataFrames

• عملیات بالا پایان - درون یابی و پرس و جو High End Operations – Interpolating and Querying

داده ها را برای مدل سازی آماده کنید Prepare Data for Modeling

• بررسی موارد تکراری، مشاهدات گمشده و موارد دور از دسترس Checking for Duplicates, Missing Observations, and Outliers

• آشنایی با داده های شما Getting Familiar with Your Data

• تجسم Visualization

معرفی MLlib Introducing MLlib

• بارگذاری و تبدیل داده ها Loading and Transforming the Data

• آشنایی با داده های خود Getting to Know Your Data

• ایجاد مجموعه داده نهایی Creating the Final Dataset

• پیش بینی بقای نوزاد Predicting Infant Survival

معرفی بسته ML Introducing the ML Package

• پیش بینی شانس بقای نوزاد با ML Predicting the Chances of Infant Survival with ML

• پارامتر Hyper-Tuning Parameter Hyper-Tuning

• سایر ویژگی های PySpark ML در عمل Other Features of PySpark ML in Action