콘솔에 인쇄해 볼 수 있는 Dask 배열 x가 제공되어 있어요. 배열의 shape와 청크 정보를 사용해, 이 배열은 데이터 청크가 몇 개로 구성되어 있나요?
x
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 챕터에서는 Dask와 지연 평가의 기본을 배웁니다. 챕터가 끝나면 병렬 처리나 멀티스레딩을 활용해 거의 모든 Python 코드를 더 빠르게 실행할 수 있어요. 두 가지 작업 스케줄링 방식의 차이와 상황에 따라 어떤 방법이 더 유리한지도 익히게 됩니다.
이제 Dask array와 Dask DataFrame을 사용해 대규모 구조적 데이터를 분석하는 방법을 배웁니다. NumPy와 pandas에서 알던 내용을 메모리에 다 담을 수 없는 데이터에도 손쉽게 적용할 수 있다는 점을 확인할 거예요.
현재 연습
어떤 형태의 데이터든 처리해 보세요. Dask bag을 사용하면 비정형 텍스트, 반정형 JSON, 심지어 녹음된 오디오까지 효율적으로 처리할 수 있습니다.
Dask의 성능을 활용해 Machine Learning 모델을 학습해 보세요. Dask-ML 패키지를 사용해 빅데이터에서 Machine Learning 모델을 학습하는 방법과, 프로세스와 스레드를 혼합해 Dask 계산을 분할함으로써 계산 속도를 한층 더 높이는 방법을 배웁니다.
