Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction
- Aperçu des caractéristiques et des avantages de Dask
- Le calcul parallèle dans Python
Pour commencer
- Installation Dask
- Dask bibliothèques, composants et API
- Meilleures pratiques et conseils
Mise à l'échelle de NumPy, SciPy, et Pandas
- Exemples et cas d'utilisation des tableaux Dask
- Chunks et algorithmes bloqués
- Calculs qui se chevauchent
- SciPy stats et LinearOperator
- Tranchage et affectation Numpy
- DataFrames et Pandas
Dask Interne et interface graphique
- Interfaces prises en charge
- Ordonnanceur et diagnostics
- Analyse des performances
- Calcul de graphiques
Optimisation et déploiement Dask
- Mise en place de déploiements adaptatifs
- Se connecter à des données distantes
- Débogage de programmes parallèles
- Déployer des clusters Dask
- Travailler avec des GPUs
- Déploiement de Dask dans des environnements en nuage
Dépannage
Résumé et prochaines étapes
Pré requis
- Expérience en matière d'analyse de données
- Python expérience en programmation
Audience
- Data scientists (scientifiques des données)
- Ingénieurs en logiciel
14 heures
Nos Clients témoignent (1)
Le fait d'avoir plus d'exercices pratiques utilisant des données plus proches de ce que nous utilisons dans nos projets (images satellites en format raster)
Matthieu - CS Group
Formation - Scaling Data Analysis with Python and Dask
Traduction automatique