Neste projeto, optei por utilizar a ferramenta PySpark para processamento de dados em paralelo. Apliquei técnicas de análise descritiva, engenharia de atributos e treinamento de modelos de machine learning. O projeto teve como inspiração outro trabalho realizado com pandas, numpy e scikit-learn, que pode ser acessado em https://github.com/tharikf/Projeto_King_County.