آموزش علم داده: پیش بینی عملی دیابت با Pyspark MLlib
Data Science:Hands-on Diabetes Prediction with Pyspark MLlib
آیا مایلید یک مدل یادگیری ماشینی بسازید، آموزش دهید، آزمایش و ارزیابی کنید که قادر به تشخیص دیابت با استفاده از رگرسیون لجستیک باشد؟
این یک دوره آموزشی عملی است که در آن در کنار کلاس ها تمرین خواهید کرد. مجموعه داده در طول سخنرانی ها در اختیار شما قرار خواهد گرفت. ما به شدت توصیه می کنیم که برای بهترین تجربه یادگیری، در کنار سخنرانی ها تمرین کنید.
در این یک ساعت تمرین بیشتر از صدها ساعت سخنرانی غیرضروری تئوری یاد خواهید گرفت.
مهمترین جنبه یادگیری ماشین اسپارک (Spark MLlib) را بیاموزید:
اصول Pyspark و پیاده سازی یادگیری ماشین جرقه
وارد کردن و کار با مجموعه داده ها
پردازش داده ها با استفاده از مدل یادگیری ماشینی با استفاده از spark MLlib
ساخت و آموزش مدل رگرسیون لجستیک
مدل را آزمایش و آنالیز کنید
کل دوره به وظایف تقسیم شده است. هر کار با دقت زیادی ایجاد و طراحی شده است تا بهترین تجربه یادگیری را به شما ارائه دهد. در این پروژه عملی، ما وظایف زیر را تکمیل خواهیم کرد:
وظیفه 1: نمای کلی پروژه
وظیفه 2: مقدمه ای در محیط Colab نصب وابستگی ها برای اجرای spark در Colab
وظیفه 3: مجموعه داده دیابت را شبیه سازی کنید
کار 4: پاکسازی داده
وظیفه 5: انتخاب ویژگی همبستگی
کار 6: ساخت و آموزش مدل رگرسیون لجستیک با استفاده از Spark MLlib
وظیفه 7: ارزیابی عملکرد مدل را آزمایش کنید
کار 8: ذخیره مدل بار
درباره Pyspark:
Pyspark همکاری Apache Spark و Python است. PySpark ابزاری است که در تجزیه و تحلیل داده های بزرگ استفاده می شود.
Apache Spark یک چارچوب محاسباتی خوشه ای منبع باز است که بر اساس سرعت، سهولت استفاده و تجزیه و تحلیل جریان ساخته شده است در حالی که پایتون یک زبان برنامه نویسی همه منظوره و سطح بالا است. این طیف گسترده ای از کتابخانه ها را ارائه می دهد و عمدتاً برای یادگیری ماشین و تجزیه و تحلیل جریان در زمان واقعی استفاده می شود.
به عبارت دیگر، این یک API پایتون برای Spark است که به شما امکان می‌دهد از سادگی Python و قدرت Apache Spark استفاده کنید تا Big Data را رام کنید. ما در این پروژه از ابزارهای داده بزرگ استفاده خواهیم کرد.
با این پروژه Spark MLlib به علم داده جهشی داشته باشید و مهارت های خود را در رزومه خود به نمایش بگذارید.
روی دکمه "ثبت نام کن" کلیک کنید و شروع به یادگیری کنید.
یادگیری مبارک.
معرفی Introduction
-
نمای کلی پروژه Project overview
مقدمه ای بر پلتفرم پروژه و نصب وابستگی ها Introduction to Project platform & install dependencies
-
معرفی محیط کولب و نصب وابستگی ها برای اجرای اسپارک در کولب Intro to Colab environment & install dependencies to run spark on colab
کلون و کاوش مجموعه داده های دیابت Clone & Explore Diabetes Dataset
-
کلون و کاوش مجموعه داده های دیابت Clone & Explore Diabetes Dataset
پاکسازی داده ها Data Cleaning
-
پاکسازی داده ها Data Cleaning
ساخت و آموزش مدل یادگیری ماشین Build and Train Machine Learning Model
-
انتخاب ویژگی و ساخت و آموزش مدل رگرسیون لجستیک با استفاده از Spark MLlib Feature Selection & Build and Train Logistic Regression Model using Spark MLlib
ارزیابی عملکرد و ذخیره مدل Performance evaluation and Save the model
-
ارزیابی، تست و ذخیره مدل Evaluation, Test and Save the model
https://donyad.com/d/4854ba
School of Disruptive Innovation
راه حل های یادگیری خلاقانه برای عصر دیجیتال به مدرسه نوآوری های مخرب خوش آمدید. ما اینجا هستیم تا آنچه را که در مدرسه به شما نمی آموزند به شما بیاموزیم. ما در روش های خود غیر متعارف هستیم اما قول می دهیم و بیش از حد عمل می کنیم. هر دوره توسط متخصصین در این زمینه ایجاد شده و ارائه می شود مانند دوره های مرتبط با فناوری توسط مهندسان نرم افزار و دوره های مربوط به تجارت توسط متخصصان بازرگانی ایجاد می شود.
نمایش نظرات