Научитесь использовать Apache Spark для машинного обучения

Spark — это мощный универсальный инструмент для работы с Big Data. Spark прозрачно распределяет вычислительные задачи по кластеру. Это означает, что операции выполняются быстро, но это также позволяет вам сосредоточиться на анализе, а не беспокоиться о технических деталях. На этом курсе вы узнаете, как загружать данные в Spark, а затем познакомитесь с тремя основными алгоритмами машинного обучения Spark: Линейная регрессия, логистическая регрессия/классификаторы и создание конвейеров.

Создавайте и тестируйте деревья решений

Создание собственных деревьев решений — отличный способ начать изучать модели машинного обучения. Вы будете использовать алгоритм под названием «рекурсивное разбиение», чтобы разделить данные на два класса и найти в ваших данных предиктор, который обеспечивает наиболее информативное разделение этих двух классов, а затем повторять это действие для последующих узлов. Затем вы сможете использовать своё дерево решений для прогнозирования на новых данных.

Освойте логистическую и линейную регрессию в PySpark

Логистическая и линейная регрессия — это важные методы машинного обучения, поддерживаемые PySpark. Вы научитесь строить и оценивать модели логистической регрессии, а затем перейдёте к созданию моделей линейной регрессии, чтобы уточнять набор признаков и оставлять только самые релевантные варианты.

К концу курса вы будете уверенно применять полученные знания в области машинного обучения благодаря практическим заданиям и наборам данных для отработки навыков, которые встречаются на протяжении всего курса.

Регрессия

Create Your Free Account