A análise de big data começa com limitações concretas: armazenamento, agendamento, coordenação de processamento e os *trade-offs* que moldam sistemas distribuídos. Este curso proporciona uma visão prática de como os trabalhos de análise percorrem um cluster, como o Hadoop e o Spark se encaixam na pilha tecnológica e como as cargas de trabalho em lote (*batch*) e em fluxo contínuo (*streaming*) são estruturadas. É uma opção ideal para quem deseja compreender sistemas de dados em larga escala sem tratar a infraestrutura como uma "caixa-preta".
Restrições de sistemas de big data, armazenamento distribuído, agendamento em clusters e o ecossistema Hadoop são abordados juntamente com o modelo mental do MapReduce e o modelo de execução do Spark. O curso também cobre o ajuste e a depuração do Spark, o projeto de pipelines de processamento em lote (batch) de ponta a ponta, o Structured Streaming, bem como a visualização e a disponibilização de insights de big data.