- -

Trabajando con Dataframes en Spark

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Trabajando con Dataframes en Spark

Show full item record

Sánchez Anguix, V. (2021). Trabajando con Dataframes en Spark. http://hdl.handle.net/10251/167752

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/167752

Video Viewer

Item Metadata

Title: Trabajando con Dataframes en Spark
Author: Sánchez Anguix, Víctor
UPV Unit: Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials
Universitat Politècnica de València. Departamento de Estadística e Investigación Operativa Aplicadas y Calidad - Departament d'Estadística i Investigació Operativa Aplicades i Qualitat
Issued date:
Abstract:
En este video introducimos Apache Spark como framework para procesar grandes volúmenes de datos. Más concretamente, introducimos la API basada en Dataframes, una abstracción de datos que representa tablas distribuidas. ...[+]
Subjects: Apache Spark , Big data , Spark , Inteligencia artificial , Analisis de datos
UNESCO code: 1203 - Ciencias de la Computación
Copyrigths: Reconocimiento - No comercial - Sin obra derivada (by-nc-nd)
Type: Objeto de aprendizaje
URL: https://polimedia.upv.es/visor/?id=0ee4d540-c242-11eb-be1f-afc4043fc67c
Learning Resource Type: Screencast
Educational description: Este video está pensado como un pequeño tutorial para trabajar con las tablas distribuidas de PySpark. Se asume cierta familiaridad de los alumnos con la programación en Python. Idealmente, el alumno debería tener acceso a una máquina Windows/Mac/Linux con PySpark instalado con Python. El alumno debería seguir el video paso a paso, pausando poco a poco para seguir los pasos del tutorial y poder imitar las operaciones planteadas con sus propios conjuntos de datos. Este video se debe utilizar como un pequeño tutorial interactivo, a seguir por los alumnos mientras ellos interactuan con PySpark. Puede embeberse dentro de una práctica o plantearse como un objeto de aprendizaje a emplear como trabajo previo a una sesión práctica. De este modo, los alumnos aprenden rápidamente como emplear PySpark y pueden centrarse en objetivos de aprendizaje más complejos durante la sesión.
Intended End User Role: Alumno
Context: Postgrado
Difficulty: Dificultad media
Interactivity Level: Bajo
Semantic Density: Medio
Typical Learning Time: 30 minutos
Educational language: Español
Access rigths: PUBLICO

recommendations

 

This item appears in the following Collection(s)

Show full item record