Pastaba: pasidaryti repozitorijos Fork'ą. Tuomet vietoje daraliu/p160m132-examples-spark repozitorijos pavadinimas taps studentoBitbucketVartotojoVardas/p160m132-examples-spark. Tuomet ją reikėtų klonuoti į savo Ubuntu Linux virtualią mašiną, pvz. /home/vagrant/labs direktoriją.

• .xls, .xlsx, .sas7bdat formato failų skaitymas ir konvertavimas į .csv formato failus naudojant Python.

• .csv formato failų skaitymas ir rašymas naudojant Apache Spark.

• K-vidurkių modelio apmokymas panaudojant pyspark.mllib.clustering.KMeans ir pyspark.clustering.KMeansModel.

• K-vidurkių modelio apmokymas panaudojant pyspark.ml.clustering.KMeans ir naudojant pyspark.ml.pipeline.Pipeline bei kitus pyspark.ml komponentus.