Apache Spark Essentials para la práctica de ingeniería de datos

Este curso guía a los aspirantes a ingenieros de datos a través de los principios básicos de Apache Spark, lo que le permite diseñar e implementar tuberías de datos prácticas. Comenzará por comprender la terminología esencial, la arquitectura de Spark y los modelos de ejecución de clústeres antes de trabajar con escenarios prácticos de procesamiento de datos.Lo que aprenderá: Comprender los conceptos básicos de Apache Spark, los controladores de ejecación y la architektura de clusters distribuidos. Procese conjuntos de datos estructurados y semiestructurados con PySpark DataFrames y Spark SQL, y realice transformaciones de datos escalables, agregaciones y combinaciones complejas de conjuntos. Explore los patrones de almacenamiento modernos de Lakehouse con formatos como Delta Lake para una administración de datos confiable. Configurar los flujos de trabajo de procesamiento por lotes fundamentales y los fundamentos de transmisión estructurada.Practicar patrones de ingeniería de datos a través de explicaciones escritas paso a paso y ejemplos de código.El curso comienza con definiciones esenciales y principios fundamentales antes de avanzar a tareas realistas de ingenieria de datos. Diseñado para principiantes y aspirantes a profesionales de datos, este curso requiere familiaridad básica con Python, pero no requiere experiencia previa con Spark.