Este repositório apresenta um setup inicial para utilização do Apache Spark. É importante notar que o conteúdo abordado aqui é apenas o ponto de partida, e o Apache Spark oferece uma ampla gama de funcionalidades para processamento de dados em grande escala.

Os dados fazem parte de um dos trabalhos executados durante o curso de Engenheiro de dados Cloud da XP Educação

• Download Repositorio UFMG
• IMDB Descrição

Para aproveitar ao máximo este repositório, é recomendado:

• Ter acesso ao Google Colab
• Ter noção de lógica de programação
• Ter conhecimento básico de estrutura de dados
• Familiaridade com SQL, em particular, operações de agrupamento
• Conhecimento em Python

1. Clone o repositório em seu ambiente local
2. Baixe os arquivos e carrgue no seu projeto
3. Execute o notebook

1. Quantos filmes (incluindo os da televisão) foram lançados no ano de 2015?

   Resposta: 19987
2. Qual o gênero de títulos mais frequente?

   Resposta: Drama
3. Qual o gênero com a melhor nota média de títulos?

   Resposta: History
4. Qual o vídeo game do gênero aventura mais bem avaliado em 2020?

   Resposta: Half-Life: Alyx
5. Quantos títulos de filmes diferentes existem?

   Resposta: 3931670
6. Qual a duração média dos filmes com conteúdo adulto?

   Resposta: 92,79 minutos
7. Quantos filmes têm o título atual (“primary”) diferente do título original?

   Resposta: 125056
8. Qual o filme que tem o nome mais longo?

   Resposta: tt12985206
9. Qual filme tem a maior quantidade de votos?

   Resposta: tt0111161
10. Qual é a menor nota média de um filme?

    Resposta: 1.0