Cleaning and Exploring Big Data using PySpark
Learn how to clean your big dataset in PySpark
Learn how to explore big dataset in PySpark
Learn how to create visualizations from big dataset loaded in PySpark
Mostre essa experiência prática em uma entrevista
By the end of this project, you will learn how to clean, explore and visualize big data using PySpark. You will be using an open source dataset containing information on all the water wells in Tanzania. I will teach you various ways to clean and explore your big data in PySpark such as changing column’s data type, renaming categories with low frequency in character columns and imputing missing values in numerical columns. I will also teach you ways to visualize your data by intelligently converting Spark dataframe to Pandas dataframe. Cleaning and exploring big data in PySpark is quite different from Python due to the distributed nature of Spark dataframes. This guided project will dive deep into various ways to clean and explore your data loaded in PySpark. Data preprocessing in big data analysis is a crucial step and one should learn about it before building any big data machine learning model. Note: You should have a Gmail account which you will use to sign into Google Colab. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
The learner should be familiar with Python and Jupyter Notebook.
Habilidades que você desenvolverá
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Install Spark on Google Colab and load datasets in PySpark
Change column datatype, remove whitespaces and drop duplicates
Remove columns with Null values higher than a threshold
Group, aggregate and create pivot tables
Rename categories and impute missing numeric values
Create visualizations to gather insights
Como funcionam os projetos guiados
Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download
Em um vídeo de tela dividida, seu instrutor te orientará passo a passo
Avaliações
Principais avaliações do CLEANING AND EXPLORING BIG DATA USING PYSPARK
More theory behind the functions used and concepts behind spark and how it works in a distributed way would've been more benefitting. Overall it was a worthy course.
Practical walk through of basic PySpark operations. Great quick-start to using Pyspark for data analysis
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
Os Projetos Guiados estão disponíveis para desktop e dispositivos móveis?
Quem são os instrutores dos Projetos guiados?
Posso baixar o trabalho do meu Projeto Guiado após completá-lo?
Quanta experiência eu preciso ter para fazer esse Projeto guiado?
Posso completar esse Projeto Guiado pelo meu navegador web em vez de instalar um software especial?
Como é a experiência de aprendizagem com Projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
Coursera Footer
