Машинное обучение и анализ больших данных: практическое руководство

Традиционные инструменты анализа данных часто терпят неудачу, когда набор данных вырастает до миллионов строк. Понимание того, как применять машинное обучение к массивным наборам данных, является критическим навыком для современных специалистов по данным. В этом курсе вы перейдете от работы с небольшими локальными наборами данных к разработке и выполнению масштабируемых рабочих процессов машинного обучения на инфраструктуре больших данных. Вы узнаете, как обрабатывать, анализировать и создавать предсказуемые модели, которые масштабируются бесшовно. Что вы узнаете: Понимание основных концепций больших данных, терминологии и распределенных вычислительных архитектур; Эффективная обработка крупномасштабных наборов данных с использованием современных библиотек данных и концепций озер данных; Создание и обучение моделей машинного обучения, предназначенных для запуска в распределённых системах; Применение основных принципов MLOps для управления, мониторинга и Внедряйте методы предварительной обработки данных и разработки функций, оптимизированные для больших объемов данных. Курс начинается с основных определений и основ распределенных систем, а затем вы пройдете подробные письменные объяснения по подготовке данных, обучению моделей и стратегиям масштабирования. Вы будете практиковаться с помощью письменных упражнений и фрагментов кода, предназначенных для укрепления вашего понимания крупномасштабных рабочих процессов данных. Этот курс предназначен для начинающих аналитиков данных, разработчиков программного обеспечения и новичков, которые хотят вступить в мир больших данных без предварительного опыта работы с распределенными вычислениями. Начните изучать возможности больших данных и создавать масштабируемые решения машинного обучения уже сегодня.