Рабочие нагрузки Data Science с помощью Azure Databricks

Современная наука о данных требует умения обрабатывать огромные наборы данных, которые превышают возможности одного компьютера. Перенос вашей аналитики в облако позволяет использовать мощность распределенных вычислений для решения сложных задач в большом масштабе. Этот курс предоставляет четкий путь к пониманию того, как Azure Databricks способствует совместной работе в области науки о данных и высокопроизводительному машинному обучению. Вы научитесь ориентироваться в рабочем пространстве, управлять кластерами и проводить эксперименты с данными с помощью письменных объяснений и практических примеров кода. Чему вы научитесь: - Понимать основы архитектуры Spark и концепции распределенных вычислений - Настраивать и управлять кластерами Databricks, оптимизированными для задач в области науки о данных - Обрабатывать и преобразовывать крупномасштабные наборы данных с помощью Spark DataFrames - Создавать и оценивать модели машинного обучения с использованием масштабируемых библиотек - Отслеживать эксперименты и управлять жизненным циклом моделей с помощью MLflow - Применять принципы Delta Lake для надежного и производительного хранения данных Курс начинается с основной терминологии и настройки среды, а затем переходит к манипулированию данными, исследовательскому анализу и развертыванию моделей. Эта текстовая программа предназначена для новичков, желающих войти в сферу облачной науки о данных, и не требует предварительного опыта работы с Databricks. Начните создавать масштабируемые решения для данных с помощью структурированного чтения и письменных упражнений.