This chapter will teach you the basics of Dask and lazy evaluation. At the end of this chapter, you'll be able to speed up almost any Python code by using parallel processing or multi-threading. You'll learn the difference between these two task scheduling methods and which one is better under which circumstances.

Introduction to Dask

Lazy evaluation

Delaying functions

Task graphs and scheduling methods

What are the different schedulers?

Plotting the task graph

Building delayed pipelines

Analyzing songs on Spotify

How danceable are songs these days?

Most popular songs

 Lazy Evaluation and Parallel Computing

Here you’ll learn how to analyze big structured data using Dask arrays and Dask DataFrames. You'll learn how everything you know about NumPy and pandas can easily be applied to data that is too large to fit in memory.

Dask dizileri

Dask array parçacık boyutları

Fotoğrafları yükleme ve işleme

Bir görüntü işleme ardışık düzeni

Dask DataFrame'ler

CSV’lerden Dask DataFrame oluşturma

Parquet'ten Dask DataFrame'leri Okuma

Yaz Dalgaları

Çok boyutlu diziler

HDF5 dosyalarını keşfetme

HDF5 veri kümelerinden Dask dizileri

Zarr veri kümelerinden Dask dizileri

Xarray

xarray ile keşifsel veri analizi

Aylık ortalama sıcaklıklar

Avrupa sıcaklıklarındaki trendi hesaplama

Parallel Processing of Big, Structured Data

Process any kind of data. You'll learn how Dask bags can be used to efficiently process unstructured text data, semi-structured JSON data, and even recorded audio.

Introduction to Dask bags

Creating a Dask bag

Creating a bag from saved text

String operations

Dask bag operations

Loading JSON data

Filtering Dask bags

Chaining operations

Converting unstructured data to a DataFrame

Restructuring a dictionary

Converting to DataFrame

Using any data in Dask bags

Loading wav data

Constructing custom Dask bags

Processing unstructured audio

Dask Bags for Unstructured Data

Harness the power of Dask to train machine learning models. You'll learn how to train machine learning models on big data using the Dask-ML package, and how to split Dask calculations across a mixture of processes and threads for even greater computing speed.

Using processes and threads

Which scheduler will be used?

Clusters and clients

Training machine learning models on big datasets

Using Dask to train a linear model

Making lazy predictions

Preprocessing big datasets

Lazily transforming training data

Lazy train-test split

Wrap-up

Dask Machine Learning and Final Pieces

Spotify Songs - CSV

Spotify Songs - Parquet

European Rainfall - HDF5

European Rainfall - Zarr

Tripadvisor Hotel Reviews

Politicians

Büyük verilerle çalışırken iki yaygın engelle karşılaşırsın: aşırı bellek kullanımı ve uzun çalışma süreleri. Dask kütüphanesi, verileri yalnızca gerektiğinde parça parça (chunk) yükleyerek bellek kullanımını azaltabilir. Ayrıca, mevcut tüm işlemci çekirdeklerini paralel kullandırarak çalışma sürelerini kısaltabilir. En güzeli, mevcut Python kodunda çok az değişiklik gerektirmesidir. Bu kursta Dask kullanarak Spotify şarkı verilerini analiz edecek, işaret dili jestlerinin görüntülerini işleyecek, hava durumu verilerindeki eğilimleri hesaplayacak, ses kayıtlarını analiz edecek ve büyük veriler üzerinde machine learning modelleri eğiteceksin.

<h2>Python Kodunuzu Hızlandırmak için Paralel İşlemeyi Kullanın</h2>
Bu 4 saatlik kursla, Python'da Dask ile paralel işleme sayesinde iş akışlarınızı nasıl hızlandırabileceğinizi keşfedeceksiniz. 
<br><br>
Büyük verilerle çalışırken, iki yaygın engelle karşılaşırsınız: çok fazla bellek kullanımı ve uzun çalışma süreleri. Dask kütüphanesi, yalnızca gerektiğinde veri parçalarını yükleyerek bellek kullanımınızı azaltabilir. Mevcut tüm işlemci çekirdeklerini paralel olarak kullanarak çalışma sürelerini kısaltabilir. En iyisi, mevcut Python kodunuzda çok az değişiklik gerektirmesidir.
<br><br>
<h2>Dask DataFrames Kullanarak Büyük Yapılandırılmış Verileri Analiz Edin</h2>
Bu kursta, Dask'ı kullanarak Spotify şarkı verilerini analiz edecek, işaret dili hareketlerinin görüntülerini işleyecek, hava durumu verilerindeki eğilimleri hesaplayacak, ses kayıtlarını analiz edecek ve büyük veriler üzerinde makine öğrenimi modellerini eğiteceksiniz.
<br><br>
Dask'ın temellerini öğrenerek başlayacak ve Python'da paralel işlemenin neredeyse tüm kodları nasıl hızlandırabileceğini keşfedeceksiniz. Ardından, Dask DataFrames ve dizileri ve bunları büyük yapılandırılmış verileri analiz etmek için nasıl kullanacağınızı keşfedeceksiniz. 
<br><br>
<h2>Dask-ML kullanarak makine öğrenimi modellerini eğitin</h2>
Bu kurstaki 51 alıştırmayı tamamladıkça, Dask çantaları kullanarak yapılandırılmamış ve yapılandırılmış verilerle çalışarak her türlü veriyi nasıl işleyeceğinizi öğreneceksiniz. Son olarak, Python'da Dask'ı kullanarak makine öğrenimi modellerini eğitmeyi ve hesaplama hızınızı artırmayı öğreneceksiniz.

Data Manipulation with pandas

Python Toolbox

Dask ile Python paralel programlamayı öğrenin, iş akışlarınızı büyütün ve büyük veriyi verimli yönetin.

Python ile Dask ile Paralel Programlama

Dask ile Python paralel programlamayı kullanarak iş akışlarınızı iyileştirmeyi ve büyük verileri verimli bir şekilde yönetmeyi öğrenin. 

Dask array parçacık boyutları

Python ile Dask ile Paralel Programlama

Uygulamalı interaktif egzersiz