Машинное обучение больших данных с Apache Spark

Когда набор данных становится слишком большим для одного компьютера, традиционные инструменты машинного обучения достигают своих пределов. Этот курс познакомит вас с мощностью распределенных вычислений, научит эффективно обрабатывать и анализировать огромные объемы информации. Вы получите навыки, которые позволят вам выйти за рамки локальной обработки и использовать кластеры для обучения надежных моделей. К концу этого курса вы поймете, как преобразовывать необработанные большие данные в практические выводы с помощью стандартных инструментов. * Понять основные принципы распределенных систем и архитектуры Spark * Обработка и очистка крупномасштабных наборов данных с использованием Spark SQL и DataFrames * Реализация масштабируемых алгоритмов машинного обучения с помощью библиотеки MLlib * Применять методы инженерии и преобразования данных в масштабе * Оценка эффективности модели с использованием методов распределенной проверки * Изучение основных концепций MLOps для управления крупномасштабными конвейерами данных Курс начинается с основных терминов и концептуальных основ кластерных вычислений. Затем вы пройдете письменные объяснения и примеры кода, которые демонстрируют, как создавать и уточнять рабочие процессы машинного обучения. Этот курс предназначен для начинающих, заинтересованных в науке или инженерии данных. Не требуется предыдущий опыт работы с большими данными или распределенными системами. Начните свое путешествие в мир масштабируемых научных данных.