Folosește procesarea paralelă pentru a accelera codul tău Python

Cu acest curs de 4 ore, vei descoperi cum procesarea paralelă cu Dask în Python îți poate face fluxurile de lucru mai rapide.

Când lucrezi cu big data, te vei confrunta cu două obstacole frecvente: folosirea unei cantități prea mari de memorie și timpi de execuție lungi. Biblioteca Dask poate reduce utilizarea memoriei prin încărcarea fragmentelor de date doar atunci când este nevoie. Poate reduce timpii de execuție folosind în paralel toate nucleele de calcul disponibile. Cel mai bine, necesită foarte puține modificări ale codului tău Python existent.

Analizează datele mari structurate folosind Dask DataFrames

În acest curs, folosești Dask pentru a analiza date despre melodii Spotify, a procesa imagini cu gesturi din limbajul semnelor, a calcula tendințe în datele meteo, a analiza înregistrări audio și a antrena modele de machine learning pe big data.

Vei începe prin a învăța bazele Dask, explorând cum procesarea paralelă în Python poate accelera aproape orice cod. Apoi, vei explora Dask DataFrames și array-uri și cum să le folosești pentru a analiza date structurate de mari dimensiuni.

Antrenează modele de machine learning folosind Dask-ML

Pe măsură ce avansezi prin cele 51 de exerciții din acest curs, vei învăța cum să procesezi orice tip de date, folosind Dask bags pentru a lucra cu date nestructurate și structurate. În cele din urmă, vei învăța cum să folosești Dask în Python pentru a antrena modele de machine learning și a-ți îmbunătăți viteza de calcul.

Dimensiunile chunk-urilor unui array Dask

Programare paralelă cu Dask în Python

Exercițiu interactiv practic