Data Science Workloads with Azure Databricks

La science des données moderne nécessite la capacité de traiter des ensembles de données massifs qui dépassent les limites d'une seule machine. La transition de votre analyse vers le cloud vous permet d'exploiter la puissance de calcul distribué pour résoudre des problèmes complexes à grande échelle. Ce cours offre une voie claire pour comprendre comment Azure Databricks facilite la science des données collaborative et l'apprentissage automatique haute performance. Vous apprendrez à naviguer dans l'espace de travail, à gérer les clusters et à exécuter des expériences de données grâce à des explications écrites et des exemples de code pratiques. Ce que vous apprendrez : - Comprendre l'architecture Spark fondamentale et les concepts de calcul distribué - Configurer et gérer des clusters Databricks optimisés pour les tâches de science des données - Traiter et transformer des ensembles de données à grande échelle à l'aide de Spark DataFrames - Créer et évaluer des modèles d'apprentissage automatique à l'aide de bibliothèques évolutives - Suivre les expériences et gérer les cycles de vie des modèles avec MLflow - Appliquer les principes de Delta Lake pour un stockage de données fiable et performant Le cours commence par la terminologie essentielle et la configuration de l'environnement avant de progresser dans la manipulation des données, l'analyse exploratoire et le déploiement de modèles. Ce programme textuel est conçu pour les débutants qui souhaitent entrer dans le domaine de la science des données cloud, et aucune expérience préalable de Databricks n'est requise. Commencez à construire des solutions de données évolutives grâce à une lecture structurée et à des exercices écrits.