دوره پاک‌سازی داده با PySpark

کار با داده‌ چالش‌برانگیز است و کار با میلیون‌ها یا حتی میلیاردها ردیف داده، چالش‌برانگیزتر. آیا تا به حال کدی برای پردازش داده دریافت کرده‌اید که روی یک لپ‌تاپ و با داده‌ نسبتاً تمیز نوشته شده باشد؟ به احتمال زیاد مسئول انتقال یک فرایند ساده پردازش داده از مرحله نمونه اولیه به محیط عملیاتی شده‌اید. ممکن است با مجموعه‌داده‌ واقعی کار کرده باشید؛ داده‌ با فیلدهای مفقود، قالب‌بندی‌های عجیب و حجمی چندین برابر بزرگ‌تر. حتی اگر همه این موارد برای شما جدید باشد، این دوره به شما کمک می‌کند آنچه برای آماده‌سازی فرایندهای داده با استفاده از Python و Apache Spark نیاز است را بیاموزید. در این مسیر با اصطلاحات، روش‌ها و مجموعه‌ای از بهترین شیوه‌ها آشنا می‌شوید تا یک بستر پردازش داده با کارایی بالا، قابل نگهداری و قابل درک ایجاد کنید.