Используйте параллельную обработку, чтобы ускорить ваш код на Python

С помощью этого 4-часового курса вы узнаете, как параллельная обработка с Dask в Python может ускорить ваши рабочие процессы.

При работе с большими данными вы столкнётесь с двумя распространёнными проблемами: чрезмерным использованием памяти и длительным временем выполнения. Библиотека Dask может снизить потребление памяти, загружая фрагменты данных только тогда, когда они нужны. Это может сократить время выполнения, используя все доступные вычислительные ядра параллельно. И что самое приятное, для этого потребуется совсем немного изменений в вашем существующем коде Python.

Анализируйте большие структурированные данные с помощью Dask DataFrames

В этом курсе вы используете Dask для анализа данных о песнях Spotify, обработки изображений жестов языка жестов, расчета тенденций в данных о погоде, анализа аудиозаписей и обучения моделей машинного обучения на больших данных.

Вы начнёте с изучения основ Dask, узнаете, как параллельная обработка в Python может ускорить практически любой код. Далее вы познакомитесь с Dask DataFrames и массивами и узнаете, как использовать их для анализа больших структурированных данных.

Обучайте модели машинного обучения с помощью Dask-ML

По мере прохождения 51 упражнения в этом курсе вы узнаете, как обрабатывать любые типы данных, используя Dask bags для работы с неструктурированными и структурированными данными. Наконец, вы узнаете, как использовать Dask в Python для обучения моделей машинного обучения и повышения скорости вычислений.

Xarray

Create Your Free Account