Kurs
Programowanie równoległe z Dask w Pythonie
ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 04.2024
PythonProgramming4 godz.15 filmów51 Ćwiczeń4,150 XP4,892Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Wykorzystaj przetwarzanie równoległe, aby przyspieszyć swój kod w Pythonie
Dzięki temu 4-godzinnemu kursowi odkryjesz, jak przetwarzanie równoległe z Dask w Pythonie może przyspieszyć Twoje procesy robocze.Pracując z dużymi zbiorami danych, napotkasz dwa częste problemy: zbyt duże zużycie pamięci i długi czas wykonywania. Biblioteka Dask może zmniejszyć zużycie pamięci, ładując fragmenty danych tylko wtedy, gdy są potrzebne. Może skrócić czas działania, wykorzystując równolegle wszystkie dostępne rdzenie obliczeniowe. Co najlepsze, wymaga bardzo niewielu zmian w Twoim istniejącym kodzie Python.
Analizuj duże ustrukturyzowane dane za pomocą Dask DataFrames
W tym kursie używasz Dask do analizy danych o utworach Spotify, przetwarzania obrazów gestów języka migowego, obliczania trendów w danych pogodowych, analizowania nagrań audio oraz trenowania modeli uczenia maszynowego na dużych zbiorach danych.Zaczniesz od poznania podstaw Dask, odkrywając, jak przetwarzanie równoległe w Pythonie może przyspieszyć niemal każdy kod. Następnie poznasz Dask DataFrames i tablice oraz dowiesz się, jak wykorzystywać je do analizy dużych, uporządkowanych danych.
Trenuj modele uczenia maszynowego za pomocą Dask-ML
W miarę postępów przez 51 ćwiczeń w tym kursie nauczysz się, jak przetwarzać dowolny rodzaj danych, wykorzystując Dask bags do pracy z danymi nieustrukturyzowanymi i ustrukturyzowanymi. Wreszcie nauczysz się, jak używać Dask w Pythonie do trenowania modeli uczenia maszynowego i zwiększania szybkości obliczeń.Wymagania wstępne
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.
Programowanie równoległe z Dask w Pythonie
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Programowanie równoległe z Dask w Pythonie już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.