Machine Learning mit Apache Spark

Wenn Datensätze zu groß werden, um von einem einzelnen Computer verarbeitet zu werden, stoßen herkömmliche maschinelle Lernwerkzeuge an ihre Grenzen.Dieser Kurs führt Sie in die Leistungsfähigkeit des verteilten Rechnens ein und zeigt Ihnen, wie Sie riesige Informationsmengen effizient verarbeiten und analysieren können. Sie erwerben die Fähigkeiten, über die lokale Verarbeitung hinauszugehen und Cluster zu nutzen, um robuste Modelle zu trainieren.Am Ende dieses Kurses werden Sie verstehen, wie Sie Big Data-Rohdaten mit Industriestandard-Tools in umsetzbare Erkenntnisse umwandeln. * Verstehen Sie die Grundprinzipien verteilter Systeme und die Spark-Architektur * Verarbeiten und bereinigen Sie große Datensätze mit Spark SQL und DataFrames * Implementieren Sie skalierbare Machine-Learning-Algorithmen mit der MLlib-Bibliothek * Anwenden von Feature Engineering und Datentransformationstechniken im Maßstab * Bewerten Sie die Modellleistung mit verteilten Validierungsmethoden * Erkunden Sie grundlegende MLOps-Konzepte für die Verwaltung umfangreicher Datenpipelines Der Kurs beginnt mit der grundlegenden Terminologie und den konzeptionellen Grundlagen des Cluster Computing und führt Sie anschließend durch schriftliche Erläuterungen und Codebeispiele, die demonstrieren, wie Sie Machine-Learning-Workflows erstellen und verfeinern können. Dieser Kurs richtet sich an Einsteiger in Data Science oder Engineering, ohne dass Vorkenntnisse mit Big Data oder verteilten Systemen erforderlich sind. Beginnen Sie Ihre Reise in die Welt der skalierbaren Data Science.