Kurs
Parallele Programmierung mit Dask in Python
FortgeschrittenSchwierigkeitsgrad
Aktualisiert 04/2024PythonProgramming4 Std.15 Videos51 Übungen4,150 XP4,843Leistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Beliebt bei Lernenden in Tausenden Unternehmen
Training für 2 oder mehr Personen?
Probiere es mit DataCamp for BusinessKursbeschreibung
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
Data Manipulation with pandasPython Toolbox1
Lazy Evaluation and Parallel Computing
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.
2
Parallel Processing of Big, Structured Data
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.
3
Dask Bags for Unstructured 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.
4
Dask Machine Learning and Final Pieces
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.
Parallele Programmierung mit Dask in Python
Kurs abgeschlossen
Leistungsnachweis verdienen
Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzuTeile es auf Social Media und in Deiner LeistungsbeurteilungJetzt anmelden
Schließe dich 19 Millionen Lernenden an und starte Parallele Programmierung mit Dask in Python heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.DataCamp gibt es auch für Mobilgeräte
Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.