آموزش پروژه پیش بینی حمله قلبی و دیابت در آپاچی اسپارک

Heart Attack and Diabetes Prediction Project in Apache Spark

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پروژه‌های پیش‌بینی بیماری 2 در Apache Spark (ML) برای مبتدیان با استفاده از Databricks Notebook (غیر رسمی) نسخه انجمن در این دوره شما پروژه‌های کوچک یادگیری ماشین اسپارک 2 پروژه کوچک را در Apache Spark با استفاده از Databricks Notebook (سرور نسخه انجمن) راه‌اندازی Apache Spark Cluster Process که داده ها با استفاده از مدل یادگیری ماشینی (کتابخانه Spark ML) یادگیری عملی ایجاد یک خط لوله داده در زمان واقعی مورد استفاده پروژه را در وب منتشر کنید تا استخدام کننده خود را تحت تاثیر قرار دهید. اصول یادگیری ماشینی دنبال کردن مرورگرهای روی دسکتاپ Windows، Linux یا macOS: Google Chrome (آخرین نسخه)، فایرفاکس (آخرین نسخه)، سافاری (آخرین نسخه)، Microsoft Edge* (آخرین نسخه) Internet Explorer 11* در Windows 7، 8 یا 10 (با آخرین به‌روزرسانی‌های ویندوز اعمال شده) *ممکن است عملکرد برخی ویژگی‌ها را در Microsoft Edge و Internet Explorer کاهش دهید. مرورگرهای زیر پشتیبانی نمی شوند: مرورگرهای موبایل. نسخه‌های بتا، «پیش‌نمایش» یا نسخه‌های پیش‌انتشار مرورگرهای دسک‌تاپ.

Apache Spark Project - Heart Attack and Diabetes Project Project Learning Machine Apache Spark (2 پروژه کوچک) برای مبتدیان با استفاده از Databricks Notebook (غیر رسمی) (سرور نسخه انجمن)


در این پروژه یادگیری ماشینی علم داده، ما

را ایجاد خواهیم کرد

1) پیش بینی بیماری قلبی

2) پیش بینی دیابت

با استفاده از چند الگوریتم از مدل های پیش بینی.


  • Apache Spark و Machine Learning را در پلتفرم Databricks کاوش کنید.

  • راه اندازی Spark Cluster

  • آن داده ها را با استفاده از مدل یادگیری ماشین (کتابخانه Spark ML) پردازش کنید

  • یادگیری عملی

  • مورد استفاده در زمان واقعی

  • یک خط لوله داده ایجاد کنید

  • برای تحت تاثیر قرار دادن استخدام کننده خود، پروژه را در وب منتشر کنید

  • نمایش گرافیکی داده ها با استفاده از دفترچه یادداشت Databricks.

  • داده های ساخت یافته را با استفاده از SparkSQL و DataFrames تغییر دهید

  • کاوش داده با استفاده از Apache Spark


1) پیش بینی بیماری قلبی با استفاده از مدل طبقه بندی درخت تصمیم

2) پیش‌بینی دیابت با استفاده از مدل رگرسیون لجستیک و مدل طبقه‌بندی کننده یک در مقابل استراحت (با نام مستعار یک در برابر همه)

یک مورد استفاده در زمان واقعی در Apache Spark


درباره Databricks:

Databricks به شما امکان می دهد فوراً شروع به نوشتن کد Spark ML کنید تا بتوانید روی مشکلات داده خود تمرکز کنید.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

دانلود منابع Download Resources

  • دانلود منابع Download Resources

مبانی پروژه Project Basics

  • مقدمه ای بر اسپارک Introduction to Spark

  • ایجاد حساب رایگان (قدیمی) در Databricks (Old) Free Account creation in Databricks

  • (جدید) ایجاد حساب کاربری رایگان در Databricks (New) Free Account creation in Databricks

  • تهیه یک خوشه جرقه Provisioning a Spark Cluster

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • اصول اولیه در مورد نوت بوک Basics about notebooks

  • چارچوب های داده Dataframes

  • نکاتی برای بهبود تجربه گذراندن دوره Tips to Improve Your Course Taking Experience

پروژه پیش بینی بیماری های قلبی Heart Disease Prediction Project

  • توضیح پروژه قسمت 1 Project Explanation Part 1

  • توضیح پروژه قسمت 2 Project Explanation Part 2

  • توضیح پروژه قسمت 3 Project Explanation Part 3

  • توضیح پروژه قسمت 4 Project Explanation Part 4

  • توضیح پروژه قسمت 5 Project Explanation Part 5

پروژه پیش بینی دیابت Diabetes Prediction Project

  • توضیح پروژه قسمت 1 Project Explanation Part 1

  • توضیح پروژه قسمت 2 Project Explanation Part 2

  • توضیح پروژه قسمت 3 Project Explanation Part 3

  • توضیح پروژه قسمت 4 Project Explanation Part 4

  • توضیح پروژه قسمت 5 Project Explanation Part 5

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش پروژه پیش بینی حمله قلبی و دیابت در آپاچی اسپارک
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3 hours
21
Udemy (یودمی) udemy-small
23 اسفند 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
9,133
4.6 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bigdata Engineer Bigdata Engineer

مهندس Bigdata من معمار راه حل هستم با 12 سال تجربه در صنعت بانکداری ، ارتباطات از راه دور و خدمات مالی در طیف متنوعی از نقش ها در برنامه های کارت اعتباری ، پرداخت ها ، انبار داده و مرکز داده نقش من به عنوان Bigdata و Cloud Architect به عنوان بخشی از تیم Bigdata برای ارائه راه حل نرم افزاری کار می کنم. مسئولیت ها شامل - از همه مسائل مربوط به Hadoop پشتیبانی کنید - معیار سیستم های موجود ، تجزیه و تحلیل چالش های سیستم موجود/گلوگاه ها و پیشنهاد راه حل های مناسب برای از بین بردن آنها بر اساس فن آوری های مختلف Big Data - تجزیه و تحلیل و تعریف جوانب مثبت و منفی فناوری ها و سیستم عامل های مختلف - موارد استفاده ، راه حل ها و توصیه ها را تعریف کنید - استراتژی Big Data را تعریف کنید - انجام تجزیه و تحلیل دقیق از مشکلات کسب و کار و محیط های فنی - راه حل عملی بزرگ داده را بر اساس تجزیه و تحلیل نیازهای مشتری تعریف کنید - توصیه های عملی Big Big Cluster را تعریف کنید - به مشتریان در مورد فن آوری های مختلف Big Data آموزش دهید تا به آنها در درک نکات مثبت و منفی Big Data کمک کند - حاکمیت داده ها - ساخت ابزارهایی برای بهبود بهره وری توسعه دهنده و اجرای روشهای استاندارد

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.