Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
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 analyse de données
- Expérience en programmation Python
Public cible
- Scientifiques des données
- Ingénieurs logiciels
14 Heures
Nos clients témoignent (2)
Exemples/exercices parfaitement adaptés à notre domaine
Luc - CS Group
Formation - Scaling Data Analysis with Python and Dask
Traduction automatique
Le fait d'avoir plus d'exercices pratiques utilisant des données plus similaires à celles que nous utilisons dans nos projets (images satellites au format raster)
Matthieu - CS Group
Formation - Scaling Data Analysis with Python and Dask
Traduction automatique