François Chung, Ph.D.

Formación Cognitive Class, MOOC (2020). Esta ruta de aprendizaje aborda los fundamentos de Apache Spark, un motor de código abierto para el procesamiento de datos a gran escala que está revolucionando el mundo de la analítica y del big data. Esta formación es una oportunidad para aprender de los líderes de la industria sobre Spark, que se basa en la velocidad, la facilidad de uso y el análisis, y brinda oportunidades y proyectos prácticos para generar confianza con el conjunto de herramientas de Spark.

Curso 1: Fundamentos de Spark I

Temas principales:

• Introducción a Spark;
• Resilient Distributed Dataset (RDD) y DataFrames;
• Programación de aplicaciones Spark;
• Introducción a las bibliotecas de Spark;
• Configuración, seguimiento y puesta a punto de Spark.

Curso 2: Fundamentos de Spark II

Temas principales:

• Introducción a los notebooks;
• Arquitectura RDD;
• Optimización de transformaciones y acciones;
• Caché y serialización;
• Desarrollo y pruebas.

Curso 3: Spark MLlib

Temas principales:

• Tipos de datos Spark MLlib;
• Revisión de algoritmos;
• Árboles de decisión y bosques aleatorios;
• Agrupamiento Spark MLlib.

Curso 4: Exploración de GraphX

Temas principales:

• Introducción a Graph-Parallel;
• Exploración de los operadores de gráficos;
• Visualización y modificación de GraphX;
• Agregación y almacenamiento en caché.

Curso 5: Big data en R con Spark

Temas principales:

• Introducción a SparkR;
• Manipulación de datos con SparkR;
• Aprendizaje automático con SparkR.

Referencias