Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Lerne Apache Spark für maschinelles Lernen zu nutzen
Spark ist ein leistungsstarkes, universell einsetzbares Werkzeug für die Arbeit mit Big Data. Spark kümmert sich transparent um die Verteilung von Rechenaufgaben in einem Cluster. Das bedeutet, dass die Abläufe schnell sind, aber es erlaubt dir auch, dich auf die Analyse zu konzentrieren, anstatt dich um technische Details zu kümmern. In diesem Kurs lernst du, wie du Daten in Spark einspeisen kannst, und beschäftigst dich dann mit den drei grundlegenden Algorithmen für maschinelles Lernen in Spark: Lineare Regression, logistische Regression/Klassifikatoren und das Erstellen von Pipelines.Entscheidungsbäume erstellen und testen
Das Erstellen eigener Entscheidungsbäume ist eine gute Möglichkeit, um Modelle des maschinellen Lernens kennenzulernen. Du verwendest einen Algorithmus namens "Rekursive Partitionierung", um die Daten in zwei Klassen aufzuteilen und einen Prädiktor innerhalb deiner Daten zu finden, der die informativste Aufteilung der beiden Klassen ergibt, und wiederholst diesen Vorgang mit weiteren Knoten. Du kannst deinen Entscheidungsbaum dann verwenden, um mit neuen Daten Vorhersagen zu treffen.Beherrsche logistische und lineare Regression in PySpark
Logistische und lineare Regression sind wichtige maschinelle Lerntechniken, die von PySpark unterstützt werden. Du lernst, wie du logistische Regressionsmodelle erstellst und auswertest, bevor du zu linearen Regressionsmodellen übergehst, mit denen du deine Prädiktoren auf die relevantesten Optionen beschränken kannst.Am Ende des Kurses wirst du dein neu erworbenes Wissen über maschinelles Lernen dank der praktischen Aufgaben und Übungsdatensätze, die du während des Kurses findest, sicher anwenden können.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung
Spark ist ein Framework für die Arbeit mit Big Data. In diesem Kapitel erfährst du einiges über Spark und Machine Learning. Anschließend erfährst du, wie du dich mit Python mit Spark verbinden und CSV-Daten laden kannst.
2
Klassifikation
Nachdem du dich nun mit dem Einlesen von Daten in Spark vertraut gemacht hast, wirst du zwei Arten von Klassifizierungsmodellen erstellen: Entscheidungsbäume und logistische Regression. Außerdem erfährst du etwas über einige Ansätze zur Datenaufbereitung.
3
Regression
Als Nächstes lernst du, wie du lineare Regressionsmodelle erstellst. Außerdem erfährst du, wie du deine Daten durch die Entwicklung neuer Prädiktoren erweitern kannst und wie du die relevantesten Prädiktoren auswählen kannst.
4
Ensembles & Pipelines
Schließlich lernst du, wie du deine Modelle effizienter machen kannst. Du erfährst, wie du Pipelines nutzen kannst, um deinen Code übersichtlicher und leichter wartbar zu machen. Dann nutzt du die Kreuzvalidierung, um deine Modelle besser zu testen und gute Modellparameter auszuwählen. Schließlich beschäftigst du dich mit zwei Arten von Ensemble-Modellen.
Maschinelles Lernen mit PySpark
Kurs
abgeschlossen
