Machine Learning with PySpark: Distributed Data Science at Scale (bằng tiếng Anh).

Khi các tập dữ liệu phát triển quá lớn cho một máy duy nhất, các công cụ khoa học dữ kiện truyền thống đạt đến giới hạn của chúng. Học máy phân phối cho phép bạn huấn luyện mô hình trên các tập dữ liệu lớn một cách hiệu quả. Lớp học dựa trên văn bản này hướng dẫn bạn từ các khái niệm cơ bản về dữ liệu lớn đến xây dựng và triển khai các đường ống học máy có thể mở rộng. Bạn sẽ học cách xử lý dữ liệu quy mô lớn và chạy thuật toán học máy trên các cụm sử dụng PySpark. Bạn sẽ học được: - Hiểu các khái niệm cốt lõi của tính toán phân tán, kiến trúc Spark và PySpark DataFrames. - Chuẩn bị và dọn dẹp các tập dữ liệu quy mô lớn bằng cách sử dụng các công cụ kỹ thuật đặc điểm của PySpark. - Xây dựng và huấn luyện mô hình học máy giám sát cho phân loại và hồi quy. - Thực hiện các kỹ thuật học không giám sát, bao gồm các thuật toán tập hợp và khuyến nghị. - Xây dựng các đường ống học máy từ đầu đến cuối để tự động hóa việc chuẩn bị dữ liệu và huấn luyện mô hình. - Hợp nhất các luồng công việc MLflow hiện đại để theo dõi các thí nghiệm và quản lý các phiên bản mô hình trong đường ống Spark của bạn. Bạn sẽ bắt đầu với thuật ngữ chính, các khái niệm cơ bản của kiến trúc phân tán, và các định nghĩa nền tảng trước khi chuyển sang các bước đi thực tế. Vật liệu tiến triển logic từ việc hấp thụ dữ liệu và làm sạch đến đánh giá mô hình và quản lý chu kỳ sống. Được thiết kế cho các nhà khoa học dữ liệu, nhà phân tích và nhà phát triển mới muốn chuyển sang dữ kiện lớn, khóa học này không yêu cầu kinh nghiệm trước với các hệ thống phân tán. Bắt đầu đọc hôm nay để mở khóa sức mạnh của học máy phân phối với PySpark.