Creare pipeline di machine learning scalabili con PySpark e MLlib

Questo corso ti introduce alla scalabilità dei tuoi flussi di lavoro di apprendimento automatico utilizzando PySpark e la sua libreria di apprentimento automatica, MLlib. Attraverso spiegazioni chiare ed esercizi pratici basati su testo, acquisirai le competenze per pulire i dati, addestrare i modelli, ottimizzare gli iperparametri ed esportare i tuoi flussi di lavoro nel cloud. Cosa imparerai: * Comprendere i concetti fondamentali del calcolo distribuito, delle sessioni Spark e dei DataFrames PySpark. * Pulire e trasformare dati su larga scala utilizzando gli strumenti di ingegneria delle funzionalità di PySPark, inclusi assembler vettoriali e indicizzatori di stringhe. * Creare e addestrare modelli di apprendimento automatico utilizzando algoritmi MLlib per la classificazione e la regressione. * Implementare la convalida incrociata e la regolazione degli iperparametri per ottimizzare le prestazioni dei modelli su sistemi distribuiti. * Salvare e caricare i modelli addestrati in sistemi di archiviazione cloud come AWS S3 per la distribuzione in produzione. Il corso inizia con i concetti fondamentali di calcolo distribuito e la sintassi PySpark prima di guidarti passo dopo passo attraverso la preparazione dei dati, la formazione del modello e le pipeline di distribuzione cloud. Inizia a leggere oggi stesso per scalare i tuoi modelli di machine learning per gestire qualsiasi dimensione di dataset.