نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
در این دوره ، شما می آموزید که چگونه با استفاده از سرور یادگیری ماشین مایکروسافت ، آزمایشات بزرگ یادگیری ماشین داده ایجاد کنید مثالهای مفصل کد در R و Python نشان می دهد که چگونه کد شما را مقیاس بندی کرده و با Apache Spark و SQL Server کار می کنیم. کار با داده های بزرگ اغلب از ظرفیت فریم داده های حافظه بیشتر است. در این دوره ، یادگیری ماشین مقیاس پذیر با سرور یادگیری ماشین ، شما می آموزید که چگونه با استفاده از R و Python با استفاده از سرور یادگیری ماشین مایکروسافت ، آزمایش های یادگیری ماشین مقیاس پذیر و پایان به پایان ماشین را بسازید. ابتدا می آموزید که چگونه داده های بزرگ را وارد کنید ، پردازش کنید ، تغییر شکل دهید و تجسم کنید. در مرحله بعدی ، نحوه نوشتن توابع توزیع شده سفارشی ، مقیاس پذیر و قابل توزیع را که می تواند در تعدادی متن محاسبه اجرا شود ، شرح خواهیم داد. علاوه بر این ، شما یاد خواهید گرفت که چگونه از الگوریتم های یادگیری ماشین آلات پیشرفته موجود در بسته MicrosoftML استفاده کنید. سپس ، ما آزمایشات یادگیری ماشین را در SQL Server ادغام خواهیم کرد. در آخر ، ما نحوه استفاده از سرور یادگیری ماشین با Hadoop و Spark ، از جمله ادغام با چارچوب های معروف مانند PySpark ، SparkR و Sparklyr را بیان خواهیم کرد. ما یک خوشه HDInsight را در Microsoft Azure توسعه خواهیم داد و همچنین یک محیط توسعه Spark را از scracth ایجاد خواهیم کرد. وقتی این دوره را به پایان رسانید ، مهارت و دانش لازم برای ساختن آزمایش های یادگیری ماشین مقیاس پذیر با استفاده از R و Python با استفاده از فایل های XDF ، سیستم فایل توزیع شده Hadoop ، SQL Server و Apache Spark را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
شروع کار با سرور یادگیری ماشین ماکروسافت
Getting Started with the Microsoft Machine Learning Server
-
شروع شدن
Getting Started
-
طرح کلی دوره
Course Outline
-
سرور یادگیری ماشین
The Machine Learning Server
-
خدمات یادگیری ماشین SQL Server
SQL Server Machine Learning Services
-
RevoscaleR و Revoscalepy
RevoscaleR and Revoscalepy
-
سرور یادگیری ماشین در متن
The Machine Learning Server in Context
-
نسخه ی نمایشی
Demo
-
چگونه می توان از این کلاس بیشترین بهره را برد
How to Get the Most out of This Class
مقیاس گذاری پردازش و تجسم داده ها
Scaling Data Processing and Visualization
-
منابع داده
Data Sources
-
قالب داده eXtensible (XDF)
The eXtensible Data Format (XDF)
-
مطالعه موردی XDF
XDF Case Study
-
وارد کردن داده ها
Importing Data
-
مرتب سازی ، ادغام و dplyrXdf
Sorting, Merging and dplyrXdf
-
کار با Big Data در پایتون
Working with Big Data in Python
-
جمع بندی داده ها
Summarizing Data
-
CrossTabs ، Cubes و Quantiles
CrossTabs, Cubes and Quantiles
-
تجسم داده های بزرگ
Visualizing Big Data
توزیع یادگیری ماشین در پردازنده ها و پارتیشن ها
Distributing Machine Learning across Processors and Partitions
-
پردازش توزیع شده
Distributed Processing
-
اعدام از راه دور
Remote Execution
-
محاسبه متن ها
Compute Contexts
-
پردازش موازی با rxExec
Parallel Processing with rxExec
-
پردازش موازی با foreach
Parallel Processing with foreach
-
پردازش موازی با کلاس های PEMA
Parallel Processing with PEMA Classes
-
مشاغل غیر منتظر
Non-waiting Jobs
-
یادگیری ماشین موازی
Parallel Machine Learning
-
MicrosoftML
MicrosoftML
ساخت خطوط لوله یادگیری ماشین با SQL Server
Building Machine Learning Pipelines with SQL Server
-
خطوط لوله یادگیری ماشین SQL Server
SQL Server Machine Learning Pipelines
-
نصب و پیکربندی
Installation and Configuration
-
خطوط لوله SQL Server با Python
SQL Server Pipelines with Python
-
خطوط لوله SQL Server با R
SQL Server Pipelines with R
ساخت خطوط لوله یادگیری ماشین با Hadoop و Spark
Building Machine Learning Pipelines with Hadoop and Spark
-
بررسی اجمالی ماژول
Module Overview
-
معرفی مختصر هادوپ و جرقه
A Brief Introduction to Hadoop and Spark
-
تلفیق سرور یادگیری ماشین با Hadoop و Spark
Integrating the Machine Learning Server with Hadoop and Spark
-
خطوط Hadoop و Spark با HDInsight
Hadoop and Spark Pipelines with HDInsight
-
راه اندازی یک محیط توسعه Hadoop/Spark
Setting up a Hadoop / Spark Development Environment
-
خطوط Hadoop و Spark با Python و PySpark
Hadoop and Spark Pipelines with Python and PySpark
-
خطوط Hadoop و Spark با R و Sparklyr
Hadoop and Spark Pipelines with R and Sparklyr
خلاصه
Summary
نمایش نظرات