Використовуйте паралельну обробку, щоб прискорити свій код Python

За допомогою цього 4-годинного курсу ви дізнаєтеся, як паралельна обробка з Dask у Python може зробити ваші робочі процеси швидшими.

Під час роботи з великими даними ви зіткнетеся з двома поширеними перешкодами: надмірним використанням пам’яті та тривалим часом виконання. Бібліотека Dask може зменшити використання пам’яті, завантажуючи частини даних лише тоді, коли це потрібно. Воно може скоротити час виконання, використовуючи всі доступні обчислювальні ядра паралельно. Найкраще те, що для цього потрібно дуже мало змін у вашому наявному коді Python.

Аналізуйте великі структуровані дані за допомогою Dask DataFrames

У цьому курсі ви використовуєте Dask для аналізу даних про пісні Spotify, обробки зображень жестів мови жестів, обчислення тенденцій у погодних даних, аналізу аудіозаписів і навчання моделей машинного навчання на великих даних.

Ви почнете з вивчення основ Dask, досліджуючи, як паралельна обробка в Python може прискорити майже будь-який код. Далі ви ознайомитеся з Dask DataFrames і масивами та дізнаєтеся, як використовувати їх для аналізу великих структурованих даних.

Навчайте моделі машинного навчання за допомогою Dask-ML

У міру проходження 51 вправи в цьому курсі ви навчитеся обробляти будь-який тип даних, використовуючи Dask bags для роботи з неструктурованими та структурованими даними. Нарешті, ви навчитеся використовувати Dask у Python для навчання моделей машинного навчання та підвищення швидкості обчислень.

Використання будь-яких даних у Dask Bag

Create Your Free Account