以下是一个示例解决方案，演示了如何在Apache Spark中进行数据集转换。

import org.apache.spark.sql.SparkSession

object DatasetTransformation {
  def main(args: Array[String]): Unit = {
    // 创建SparkSession
    val spark = SparkSession.builder()
      .appName("Dataset Transformation")
      .master("local")
      .getOrCreate()

    // 导入隐式转换
    import spark.implicits._

    // 创建示例数据集
    val data = Seq(
      (1, "John", 25),
      (2, "Bob", 30),
      (3, "Alice", 35)
    )

    // 将数据集转换为DataFrame
    val df = data.toDF("id", "name", "age")

    // 显示DataFrame内容
    df.show()

    // 将DataFrame转换为Dataset
    val ds = df.as[(Int, String, Int)]

    // 显示Dataset内容
    ds.show()

    // 进行数据集转换
    val transformedDS = ds.map { case (id, name, age) => (id + 1, name.toUpperCase, age + 5) }

    // 显示转换后的Dataset内容
    transformedDS.show()

    // 停止SparkSession
    spark.stop()
  }
}

这个示例创建了一个SparkSession，然后使用隐式转换将示例数据集转换为DataFrame。接下来，将DataFrame转换为Dataset，并对数据集进行了一些转换操作。最后，使用show()方法显示转换后的数据集内容。最后，通过调用spark.stop()停止SparkSession。