Machine Learning with PySpark for Beginners

เมื่อชุดข้อมูลมีขนาดใหญ่ขึ้น เครื่องมือ Machine Learning แบบดั้งเดิมมักประสบปัญหาในการประมวลผลข้อมูลอย่างมีประสิทธิภาพ การเรียนรู้วิธีใช้ PySpark ช่วยให้คุณสามารถปรับขนาดเวิร์กโฟลว์ Machine Learning ของคุณได้อย่างราบรื่นบนระบบแบบกระจาย โดยไม่ต้องยุ่งยากกับความซับซ้อนของโครงสร้างพื้นฐาน หลักสูตรนี้จะแนะนำคุณเกี่ยวกับแนวคิดหลักของ Machine Learning แบบกระจาย คุณจะได้เรียนรู้ตั้งแต่การทำความเข้าใจสถาปัตยกรรมของ Spark และการจัดการข้อมูลพื้นฐาน ไปจนถึงการฝึกอบรม การประเมิน และการจัดเก็บโมเดล Machine Learning ด้วยการอธิบายที่ชัดเจนและตัวอย่างโค้ดที่มีโครงสร้าง คุณจะได้รับความมั่นใจในการจัดการการวิเคราะห์ข้อมูลขนาดใหญ่และสร้างไปป์ไลน์การคาดการณ์ที่แข็งแกร่ง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจสถาปัตยกรรมพื้นฐานของ PySpark และวิธีการนำการประมวลผลแบบกระจายมาใช้กับเวิร์กโฟลว์ Machine Learning - เตรียมและทำความสะอาดชุดข้อมูลขนาดใหญ่โดยใช้การดำเนินการ PySpark DataFrame สมัยใหม่และเทคนิค Feature Engineering - สร้างและประเมินโมเดล Regression รวมถึง Linear Regression และ Logistic Regression เพื่อทำการคาดการณ์แบบต่อเนื่องและแบบแบ่งประเภท - ใช้ Decision Trees โดยใช้ Recursive Partitioning เพื่อจำแนกข้อมูลที่ซับซ้อนและตีความการตัดสินใจของโมเดล - สร้างไปป์ไลน์ Machine Learning แบบ End-to-End เพื่อทำให้ขั้นตอนการประมวลผลข้อมูลล่วงหน้า การฝึกอบรม และการประเมินเป็นไปโดยอัตโนมัติ - ใช้หลักการ MLOps พื้นฐานโดยการบันทึก โหลด และจัดเก็บโมเดลที่ฝึกอบรมของคุณเพื่อการนำไปใช้งานในอนาคต หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและพื้นฐานการเตรียมข้อมูลก่อนที่จะเข้าสู่ขั้นตอนวิธีการเรียนรู้แบบมีผู้สอน (Supervised Learning) และการประเมินโมเดล คุณจะได้เรียนรู้วิธีการจัดโครงสร้างโค้ดของคุณให้เป็นไปป์ไลน์ Machine Learning ที่นำกลับมาใช้ใหม่ได้และพร้อมสำหรับการใช้งานจริง หลักสูตรนี้ออกแบบมาสำหรับนักวิเคราะห์ข้อมูลระดับเริ่มต้น นักวิทยาศาสตร์ข้อมูลที่มุ่งมั่น และนักพัฒนา Python ที่ต้องการเปลี่ยนไปสู่ Big Data Machine Learning ไม่จำเป็นต้องมีประสบการณ์ด้านการประมวลผลแบบกระจายหรือ PySpark มาก่อน แม้ว่าความเข้าใจพื้นฐานเกี่ยวกับ Python จะเป็นประโยชน์ก็ตาม เริ่มอ่านวันนี้เพื่อปลดล็อกพลังของ Scalable Machine Learning ด้วย PySpark.