Machine Learning cu PySpark

Învață să folosești Apache Spark pentru machine learning

Spark este un instrument puternic, de uz general, pentru lucrul cu Big Data. Spark gestionează transparent distribuția sarcinilor de calcul într-un cluster. Aceasta înseamnă că operațiunile sunt rapide, dar îți permite și să te concentrezi pe analiză, în loc să îți faci griji pentru detaliile tehnice. În acest curs vei învăța cum să introduci date în Spark și apoi vei aprofunda cele trei algoritmi fundamentali de Machine Learning din Spark: Regresie liniară, regresie logistică/clasificatori și crearea de pipeline-uri.

Construiește și testează arbori de decizie

Construirea propriilor arbori de decizie este o modalitate excelentă de a începe să explorezi modelele de învățare automată. Vei folosi un algoritm numit „Partiționare recursivă” pentru a împărți datele în două clase și a găsi în datele tale un predictor care produce cea mai informativă separare a celor două clase, apoi vei repeta această acțiune cu noduri suplimentare. Apoi poți folosi arborele tău de decizie pentru a face predicții cu date noi.

Stăpânește regresia logistică și liniară în PySpark

Regresia logistică și regresia liniară sunt tehnici esențiale de machine learning, susținute de PySpark. Vei învăța să construiești și să evaluezi modele de regresie logistică, apoi vei trece la crearea de modele de regresie liniară pentru a te ajuta să-ți rafinezi predictorii astfel încât să păstrezi doar opțiunile cele mai relevante.

La finalul cursului, vei avea încredere să aplici noile tale cunoștințe de machine learning, datorită sarcinilor practice și seturilor de date de antrenament întâlnite pe parcursul cursului.