Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Nutze Parallelverarbeitung, um deinen Python-Code schneller zu machen
In diesem 4-stündigen Kurs lernst du, wie du mit paralleler Verarbeitung mit Dask in Python deine Arbeitsabläufe beschleunigen kannst.Wenn du mit Big Data arbeitest, wirst du auf zwei häufige Probleme stoßen: zu hoher Speicherverbrauch und lange Laufzeiten. Die Dask-Bibliothek kann deinen Speicherverbrauch senken, indem sie Datenblöcke nur bei Bedarf lädt. Es kann die Laufzeiten verkürzen, indem es alle verfügbaren Rechenkerne gleichzeitig nutzt. Das Beste daran ist, dass du kaum Änderungen an deinem bestehenden Python-Code vornehmen musst.
Analysiere große strukturierte Datenmengen mit Dask DataFrame
In diesem Kurs nutzt du Dask, um Spotify-Songdaten zu analysieren, Bilder von Gebärdensprachgesten zu verarbeiten, Trends in Wetterdaten zu berechnen, Audioaufnahmen zu analysieren und Machine-Learning-Modelle auf Basis von Big Data zu trainieren.Du fängst damit an, die Grundlagen von Dask zu lernen und zu entdecken, wie die parallele Verarbeitung in Python fast jeden Code beschleunigen kann. Als Nächstes lernst du Dask DataFrames und Arrays kennen und wie du sie zur Analyse großer strukturierter Datenmengen einsetzen kannst.
Mach dir Machine-Learning-Modelle mit Dask-ML
Während du die 51 Übungen dieses Kurses durcharbeitest, lernst du, wie du alle Arten von Daten verarbeiten kannst, indem du Dask Bags für die Arbeit mit unstrukturierten und strukturierten Daten nutzt. Zum Schluss lernst du, wie du Dask in Python nutzen kannst, um Machine-Learning-Modelle zu trainieren und deine Rechengeschwindigkeit zu verbessern.Voraussetzungen
Lernprogramm
Kursübersicht
1
Lazy Evaluation und Parallel Computing
In diesem Kapitel lernst du die Grundlagen von Dask und Lazy Evaluation. Am Ende kannst du fast jeden Python-Code mit Parallelverarbeitung oder Multithreading beschleunigen. Du lernst den Unterschied zwischen diesen beiden Verfahren zur Aufgabenplanung und welches sich in welcher Situation besser eignet.
- Einführung in Dask50 XP
- Lazy Evaluation50 XP
- Funktionen verzögern100 XP
- Task-Graphen und Planungsmethoden50 XP
- Welche Scheduler gibt es?100 XP
- Den Task-Graphen plotten100 XP
- Verzögerte Pipelines erstellen50 XP
- Songs auf Spotify analysieren100 XP
- Wie tanzbar sind Songs heutzutage?100 XP
- Beliebteste Songs100 XP
2
Parallele Verarbeitung großer, strukturierter Daten
Hier lernst du, wie du große strukturierte Daten mit Dask Arrays und Dask DataFrames analysierst. Du erfährst, wie sich dein Wissen über NumPy und pandas mühelos auf Daten anwenden lässt, die nicht in den Speicher passen.
3
Dask Bags für unstrukturierte Daten
Verarbeite jede Art von Daten. Du lernst, wie Dask Bags unstrukturierte Textdaten, semi-strukturierte JSON-Daten und sogar aufgezeichnete Audiodaten effizient verarbeiten können.
4
Dask Machine Learning und letzte Bausteine
Nutze die Power von Dask, um Machine-Learning-Modelle zu trainieren. Du lernst, wie du mit dem Dask-ML-Paket Modelle auf Big Data trainierst und Dask-Berechnungen über eine Kombination aus Prozessen und Threads aufteilst, um noch schneller zu rechnen.
Parallele Programmierung mit Dask in Python
Kurs
abgeschlossen
