강의 설명

병렬 처리를 사용하여 Python 코드 속도 높이기

이 4시간 강의로 Python에서 Dask를 활용한 병렬 처리가 워크플로를 얼마나 더 빠르게 만들 수 있는지 알아보세요.

빅 데이터로 작업할 때 흔히 마주하는 두 가지 장애물은 너무 많은 메모리 사용과 긴 실행 시간입니다. Dask 라이브러리는 데이터 청크를 필요할 때만 로드하여 메모리 사용량을 줄일 수 있습니다. 사용 가능한 모든 컴퓨팅 코어를 병렬로 활용하여 실행 시간을 줄일 수 있습니다. 무엇보다도 기존 Python 코드에 거의 변경이 필요하지 않습니다.

Dask DataFrame를 사용하여 대규모 구조화된 데이터 분석하기

이 강의에서는 Dask를 사용하여 Spotify 노래 데이터를 분석하고, 수화 동작 이미지를 처리하며, 날씨 데이터의 추세를 계산하고, 오디오 녹음을 분석하며, 빅 데이터에서 머신 러닝 모델을 학습합니다.

먼저 Dask의 기본을 배우고, Python에서 병렬 처리가 거의 모든 코드를 얼마나 빠르게 만들 수 있는지 살펴보게 됩니다. 다음으로, Dask DataFrame과 배열을 살펴보고 이를 활용해 대규모 구조화된 데이터를 분석하는 방법을 알아봅니다.

Dask-ML을 사용하여 머신 러닝 모델을 학습시키기

이 강의의 51개 연습문제를 진행하면서, Dask bags를 사용해 비정형 데이터와 정형 데이터를 다루며 어떤 유형의 데이터든 처리하는 방법을 배우게 됩니다. 마지막으로, Python에서 Dask를 사용해 머신 러닝 모델을 학습하고 컴퓨팅 속도를 향상시키는 방법을 배우게 됩니다.

선수 조건

Data Manipulation with pandas Python Toolbox

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.

Introduction to Dask

강의 설명

병렬 처리를 사용하여 Python 코드 속도 높이기

Dask DataFrame를 사용하여 대규모 구조화된 데이터 분석하기

Dask-ML을 사용하여 머신 러닝 모델을 학습시키기

수료증 획득

.css-nklxlk{color:var(--wf-brand--main, #03EF62);}19백만 명 이상의 학습자와 함께 Python에서 Dask로 병렬 프로그래밍을(를) 시작하세요!

무료 계정 만들기

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

19백만 명 이상의 학습자와 함께 Python에서 Dask로 병렬 프로그래밍을(를) 시작하세요!