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

Nombre de participants



Prix par participant

Nos Clients témoignent (2)

Cours Similaires

QGIS for Geographic Information System

21 heures

Catégories Similaires