Uczenie maszynowe Big Data z Apache Spark

Kiedy zbiory danych stają się zbyt duże, aby obsługiwać jeden komputer, tradycyjne narzędzia do uczenia maszynowego osiągają swoje granice.Ten kurs wprowadza Cię w moc rozproszonych obliczeń, ucząc Cię, jak efektywnie przetwarzać i analizować ogromne ilości informacji. Zdobędziesz umiejętności, aby wyjść poza lokalne przetwarzanie i wykorzystać klastry do szkolenia solidnych modeli.Pod koniec tego kursu zrozumiesz, jak przekształcić surowe duże dane w praktyczne spostrzeżenia za pomocą standardowych narzędzi branżowych. * Zrozum podstawowe zasady systemów rozproszonych i architektury Spark * Przetwarzaj i czyść duże zbiory danych za pomocą Spark SQL i DataFrames * Wdrażaj skalowalne algorytmy uczenia maszynowego za pomocą biblioteki MLlib * Zastosuj techniki inżynierii funkcji i transformacji danych na skalę * Ocena wydajności modelu przy użyciu rozproszonych metod walidacji * Poznaj podstawowe koncepcje MLOps do zarządzania potokami danych na dużą skalę Kurs rozpoczyna się od podstawowej terminologii i podstaw koncepcyjnych przetwarzania klastrowego, a następnie przechodzi przez pisemne wyjaśnienia i przykłady kodu, które pokazują, jak budować i udoskonalać przepływy pracy uczenia maszynowego. Ten kurs jest przeznaczony dla początkujących zainteresowanych nauką o danych lub inżynierią.Nie jest wymagane wcześniejsze doświadczenie z dużymi danymi lub systemami rozproszonymi. Rozpocznij swoją podróż w świat skalowalnej analizy danych.