Machine Learning com o Spark ML: Criando modelos escaláveis

À medida que os tamanhos de dados crescem, as bibliotecas tradicionais de aprendizado de máquina de máquina única lutam para processar conjuntos de datos de forma eficiente. Este curso baseado em texto ensina como aproveitar o Spark ML para criar pipelines de aprendizagem de máquina robustos e distribuídos que se adaptam perfeitamente a conjuntos enormes de datasets. Você fará a transição de entender os principais conceitos de computação distribuída para escrever código de aprendizagens de máquina limpo e pronto para produção. Ao ler explicações claras e estudar exemplos de código estruturado, você obterá as habilidades para projetar recursos, treinar modelos e ajustar hiperparâmetros em um ambiente distribuído. O que você aprenderá: 1. Entenda a arquitetura central do Apache Spark e como funciona o aprendizado distribuído de máquina. 2. Prepare e limpe grandes conjuntos métricas distribuídas e ajuste hiperparêmetros. 6. Integre fluxos de trabalho de rastreamento de modelos modernos para gerenciar seus experimentos de aprendizados de máquina.