Škálování Pythonu s Daskem: Od datové vědy ke strojovému učení

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Původní název:

Scaling Python with Dask: From Data Science to Machine Learning

Obsah knihy:

Moderní systémy obsahují vícejádrové CPU a GPU, které mají potenciál pro paralelní výpočty. Mnoho vědeckých nástrojů Pythonu však nebylo navrženo tak, aby tento paralelismus využívaly. Díky tomuto krátkému, ale důkladnému zdroji se datoví vědci a programátoři v jazyce Python dozvědí, jak open source knihovna Dask pro paralelní výpočty poskytuje API, které usnadňuje paralelizaci knihoven PyData včetně NumPy, pandas a scikit-learn.

Autoři Holden Karau a Mika Kimmins vám ukáží, jak používat výpočty v Dask v lokálních systémech a jak je následně škálovat do cloudu pro větší pracovní zátěž. Tato praktická kniha vysvětluje, proč je Dask populární mezi odborníky z průmyslu i akademiky a proč jej používají organizace, mezi něž patří Walmart, Capital One, Harvard Medical School a NASA.

V této knize se naučíte:

⬤ Co je Dask, kde ho můžete použít a jak si vede ve srovnání s jinými nástroji.

⬤ Jak používat Dask pro dávkové paralelní zpracování dat.

⬤ Klíčové koncepty distribuovaných systémů pro práci s Daskem.

⬤ Metody pro použití Dasku s nadřazenými rozhraními API a stavebními bloky.

⬤ Jak pracovat s integrovanými knihovnami, jako jsou scikit-learn, pandas a PyTorch.

⬤ Jak používat Dask s grafickými procesory.