Apprenez à utiliser Apache Spark pour l'apprentissage automatique (Machine Learning)

Spark est un outil puissant et généraliste pour travailler avec les Big Data. Spark gère de manière transparente la répartition des tâches de calcul sur un cluster. Cela signifie que les opérations sont rapides, mais cela vous permet également de vous concentrer sur l'analyse plutôt que de vous préoccuper des détails techniques. Dans ce cours, vous apprendrez à intégrer des données dans Spark, puis à vous plonger dans les trois algorithmes fondamentaux de Spark Machine Learning : Régression linéaire, régression logistique/classificateurs et création de pipelines.

Construire et tester des arbres de décision

La construction de vos propres arbres de décision est un excellent moyen de commencer à explorer les modèles d'apprentissage automatique. Vous utiliserez un algorithme appelé "partitionnement récursif" pour diviser les données en deux classes et trouver un prédicteur dans vos données qui aboutit à la division la plus informative des deux classes, et répéter cette action avec d'autres nœuds. Vous pouvez ensuite utiliser votre arbre de décision pour faire des prévisions avec de nouvelles données.

Maîtriser la régression logistique et linéaire dans PySpark

La régression logistique et la régression linéaire sont des techniques d'apprentissage automatique essentielles prises en charge par PySpark. Vous apprendrez à construire et à évaluer des modèles de régression logistique, avant de passer à la création de modèles de régression linéaire pour vous aider à affiner vos prédicteurs en ne retenant que les options les plus pertinentes.

À la fin du cours, vous serez confiant dans l'application de vos nouvelles connaissances en matière d'apprentissage automatique, grâce aux tâches pratiques et aux ensembles de données d'entraînement que vous trouverez tout au long du cours.

Emplacement du maître Spark

Apprentissage automatique avec PySpark

Exercice interactif pratique