Spécialisation Spark and Python for Big Data with PySpark

Découvrez de nouvelles compétences avec 30 % de réduction sur les cours dispensés par des experts du secteur. Économisez maintenant.

Ce spécialisation n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Spécialisation Spark and Python for Big Data with PySpark

Spark and Python for Big Data with PySpark. Build scalable data workflows and predictive models using Spark and Python.

Instructeur : EDUCBA

Inclus avec Coursera Plus

Série de 6 cours

Approfondissez votre connaissance d’un sujet

niveau Débutant

Expérience recommandée

1 mois à raison de 10 heures par semaine

Planning flexible

Obtenir une qualification professionnelle

Partagez votre expertise avec les employeurs

Série de 6 cours

Approfondissez votre connaissance d’un sujet

niveau Débutant

Expérience recommandée

1 mois à raison de 10 heures par semaine

Planning flexible

Obtenir une qualification professionnelle

Partagez votre expertise avec les employeurs

Ce que vous apprendrez

Apply PySpark to build, optimize, and evaluate distributed data processing workflows.
Design and execute predictive machine learning models for large-scale analytics.
Construct ETL pipelines, real-time streaming applications, and advanced big data solutions with Spark.

Compétences que vous acquerrez

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais

Récemment mis à jour !

septembre 2025

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Améliorez votre expertise en la matière

Acquérez des compétences recherchées auprès d’universités et d’experts du secteur
Maîtrisez un sujet ou un outil avec des projets pratiques
Développez une compréhension approfondie de concepts clés
Obtenez un certificat professionnel auprès de EDUCBA

Spécialisation - série de 6 cours

This specialization provides a complete learning pathway in Apache Spark and Python (PySpark) for big data analytics, machine learning, and scalable data processing. Learners will begin with foundational Python and PySpark techniques, advance to predictive modeling and clustering, and explore advanced data workflows including ETL pipelines, streaming, and real-time processing. By the end, participants will be equipped with practical skills to design, build, and optimize distributed applications for data engineering, analytics, and business intelligence.

Projet d'apprentissage appliqué

Learners will complete hands-on projects that simulate real-world challenges such as designing ETL pipelines, building predictive ML models, segmenting customers with clustering, and processing unstructured text data. These projects ensure participants can confidently apply Spark and Python to solve authentic big data problems across industries.

PySpark & Python: Hands-On Guide to Data Processing

COURS 14 heures

Ce que vous apprendrez

Recall Python syntax and identify key PySpark components for data processing.
Apply RDD transformations, joins, and JDBC integration with MySQL.
Build scalable pipelines like word count and debug PySpark applications.

Compétences que vous acquerrez

Catégorie : PySpark

Catégorie : Data Transformation

Catégorie : Data Processing

Catégorie : Python Programming

Catégorie : Distributed Computing

Catégorie : Debugging

Catégorie : Apache Spark

Catégorie : SQL

Catégorie : Programming Principles

Catégorie : Data Pipelines

Catégorie : MySQL

Catégorie : Data Manipulation

PySpark: Apply & Evaluate Predictive ML Models

COURS 23 heures

Ce que vous apprendrez

Build and evaluate regression models in PySpark using linear, GLM, and ensemble methods.
Apply logistic regression, decision trees, and Random Forests for classification.
Implement K-Means clustering and assess scalable ML workflows with PySpark.

Compétences que vous acquerrez

Catégorie : Predictive Modeling

Catégorie : Random Forest Algorithm

Catégorie : PySpark

Catégorie : Applied Machine Learning

Catégorie : Regression Analysis

Catégorie : Classification And Regression Tree (CART)

Catégorie : Supervised Learning

Catégorie : Data Pipelines

Catégorie : Predictive Analytics

Catégorie : Machine Learning Algorithms

Catégorie : Apache Spark

Catégorie : Statistical Machine Learning

Catégorie : Unsupervised Learning

PySpark: Apply & Analyze Advanced Data Processing

COURS 32 heures

Ce que vous apprendrez

Apply RFM analysis and K-Means clustering for customer segmentation.
Extract and analyze textual data using OCR with PySpark DataFrames.
Build and interpret Monte Carlo simulations for uncertainty modeling.

Compétences que vous acquerrez

Catégorie : Advanced Analytics

Catégorie : PySpark

Catégorie : Text Mining

Catégorie : Data Transformation

Catégorie : Big Data

Catégorie : Risk Analysis

Catégorie : Predictive Modeling

Catégorie : Simulation and Simulation Software

Catégorie : Customer Insights

Catégorie : Customer Analysis

Catégorie : Statistical Modeling

Catégorie : Image Analysis

Catégorie : Data Mining

Catégorie : Data Processing

Catégorie : Marketing Analytics

Catégorie : Unstructured Data

Catégorie : Data Manipulation

Catégorie : Apache Spark

Apache Spark with Scala: Master Data Building & Analysis

COURS 47 heures

Ce que vous apprendrez

Apply Scala fundamentals including variables, functions, and advanced concepts.
Implement Spark RDD operations, streaming, and fault-tolerant pipelines.
Build real-time big data solutions integrating Spark with external systems.

Compétences que vous acquerrez

Catégorie : Apache Spark

Catégorie : Apache Maven

Catégorie : Real Time Data

Catégorie : Scala Programming

Catégorie : Object Oriented Programming (OOP)

Catégorie : Apache Hadoop

Catégorie : Systems Integration

Catégorie : Data Structures

Catégorie : Data Processing

Catégorie : Scalability

Apache Spark: Design & Execute ETL Pipelines Hands-On

COURS 53 heures

Ce que vous apprendrez

Install and configure PySpark, Hadoop, and MySQL for ETL workflows.
Build Spark applications for full and incremental data loads via JDBC.
Apply transformations, handle deployment issues, and optimize ETL pipelines.

Compétences que vous acquerrez

Catégorie : Extract, Transform, Load

Catégorie : Apache Spark

Catégorie : PySpark

Catégorie : Development Environment

Catégorie : Data Pipelines

Catégorie : MySQL

Catégorie : Software Installation

Catégorie : Data Manipulation

Catégorie : Apache Hadoop

Catégorie : Data Transformation

Catégorie : Data Store

Catégorie : System Configuration

Catégorie : Data Import/Export

Catégorie : Java Platform Enterprise Edition (J2EE)

Apache Spark: Apply & Evaluate Big Data Workflows

COURS 63 heures

Ce que vous apprendrez

Describe Spark architecture, core components, and RDD programming constructs.
Apply transformations, persistence, and handle multiple file formats in Spark.
Develop scalable workflows and evaluate Spark applications for optimization.

Compétences que vous acquerrez

Catégorie : Apache Spark

Catégorie : Data Processing

Catégorie : Data Transformation

Catégorie : JSON

Catégorie : Distributed Computing

Catégorie : Data Manipulation

Catégorie : PySpark

Catégorie : Performance Tuning

Catégorie : Data Pipelines

Catégorie : Big Data

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

EDUCBA

279 Cours109 399 apprenants

Offert par

EDUCBA

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Découvrir les diplômes

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions

Learners can expect to complete the Specialization in approximately 11 to 12 weeks, dedicating 3–4 hours per week. This flexible pace is designed to accommodate working professionals and students alike, allowing steady progress through foundational Python and PySpark skills, advanced data processing, predictive machine learning, and real-world ETL pipeline development. By the end of the program, learners will have gained both conceptual understanding and hands-on experience, ensuring they are well-prepared to tackle real-world big data challenges.

Learners should have a basic understanding of Python programming and foundational concepts in data analysis. Prior exposure to databases or machine learning will be helpful but is not mandatory.

Yes, it is recommended to follow the courses in sequence. The curriculum is structured to build progressively—from core Python and PySpark foundations to machine learning, advanced data workflows, and real-world big data applications—ensuring a smooth learning journey.

Upon completion, learners will be able to design, build, and optimize scalable data workflows using PySpark, apply predictive machine learning models to large datasets, and construct production-ready ETL pipelines. They will also gain the confidence to analyze unstructured data, implement real-time streaming solutions, and apply Spark with both Python and Scala for big data engineering and analytics roles.