Oreilly – Spark, Ray, and Python for Scalable Data Science 2021-6

دوره Spark, Ray, and Python for Scalable Data Science. این دوره آموزشی به شما می‌آموزد چگونه با استفاده از اسپارک، ری و پایتون، پروژه‌های علم داده و یادگیری ماشین را در مقیاس بزرگ پیاده‌سازی کنید. با توجه به گسترش نیاز به تحلیل داده‌های حجیم، این دوره مفاهیم پایه‌ای و تمرین‌های عملی را برای تسلط بر ابزارهای محاسبات توزیع‌شده ارائه می‌دهد. ابتدا با مقدمه‌ای بر گردش کار علم داده و ضرورت استفاده از چارچوب‌هایی مانند اسپارک و ری آشنا می‌شوید. سپس مبانی سیستم‌های توزیع‌شده و نحوه عملکرد این ابزارها بررسی می‌شود. در ادامه، اسپارک به‌صورت عملی با مثال‌هایی مانند ساختار داده RDD و عملیات MapReduce آموزش داده می‌شود. همچنین، کاربرد اسپارک در پردازش زبان طبیعی (NLP) و تحلیل اکتشافی داده‌ها (EDA) در مقیاس بزرگ نشان داده می‌شود. در بخش مربوط به ری، تفاوت‌ها و شباهت‌های آن با اسپارک مقایسه شده و روش‌های توزیع توابع و اشیاء با استفاده از ری اکثرس شرح داده می‌شود. در نهایت، کاربرد ری در مقیاس‌بندی آموزش مدل‌های یادگیری ماشین، تنظیم هایپرپارامترها و استقرار مدل‌ها در محیط عملیاتی بررسی می‌شود. این دوره با ترکیب تئوری و عمل، مهارت‌های لازم برای مدیریت پروژه‌های داده در مقیاس‌های بزرگ را فراهم می‌کند.

Spark, Ray, and Python for Scalable Data Science

توضیحات

دوره Spark, Ray, and Python for Scalable Data Science. این دوره آموزشی به شما می‌آموزد چگونه با استفاده از اسپارک، ری و پایتون، پروژه‌های علم داده و یادگیری ماشین را در مقیاس بزرگ پیاده‌سازی کنید. با توجه به گسترش نیاز به تحلیل داده‌های حجیم، این دوره مفاهیم پایه‌ای و تمرین‌های عملی را برای تسلط بر ابزارهای محاسبات توزیع‌شده ارائه می‌دهد. ابتدا با مقدمه‌ای بر گردش کار علم داده و ضرورت استفاده از چارچوب‌هایی مانند اسپارک و ری آشنا می‌شوید. سپس مبانی سیستم‌های توزیع‌شده و نحوه عملکرد این ابزارها بررسی می‌شود. در ادامه، اسپارک به‌صورت عملی با مثال‌هایی مانند ساختار داده RDD و عملیات MapReduce آموزش داده می‌شود. همچنین، کاربرد اسپارک در پردازش زبان طبیعی (NLP) و تحلیل اکتشافی داده‌ها (EDA) در مقیاس بزرگ نشان داده می‌شود. در بخش مربوط به ری، تفاوت‌ها و شباهت‌های آن با اسپارک مقایسه شده و روش‌های توزیع توابع و اشیاء با استفاده از ری اکثرس شرح داده می‌شود. در نهایت، کاربرد ری در مقیاس‌بندی آموزش مدل‌های یادگیری ماشین، تنظیم هایپرپارامترها و استقرار مدل‌ها در محیط عملیاتی بررسی می‌شود. این دوره با ترکیب تئوری و عمل، مهارت‌های لازم برای مدیریت پروژه‌های داده در مقیاس‌های بزرگ را فراهم می‌کند.

پس از Extract، با Player دلخواه خود مشاهده کنید.

منبع  : دانلودلی

برای مشاهده کامل مطلب کلیک کنید

اشتراک‌گذاری

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *