Machine Learning com Spark e Pyspark: o Curso Completo
Domine a Criação e Tunning de Modelos de Machine Learning Utilizando Spark e Python!
Description
Faça uma super imersão em Machine Learning com Spark utilizando bibliotecas nativas!
Na era "Big Data" o Spark se tornou a principal ferramenta de processamento de dados no mundo devido a sua capacidade de processar volumes massivos de dados com alta performance, se tornando uma ferramenta essencial para Cientistas e Engenheiros de Dados. Sua arquitetura distribuída permite processar dados utilizando paralelismo e memória, persistindo dados quando necessário. Além disso o Spark é capaz de importar dados de praticamente qualquer fonte, bem como também exportar dados processados para os principais formatos e bancos de dados utilizados.
Do ponto de vista profissional, conhecer Spark é uma das habilidades mais importantes ao lado de Machine Learning e Python. E o melhor disso é o que Spark já traz tudo isso. Você pode utilizar Spark com Python, através do Pyspark, e você pode criar modelos de Machine Learning utilizando as próprias bibliotecas do Spark.
Neste curso prático, você vai dominar o uso do Spark para Machine Learning:
Aprenda os conceitos gerais de Machine Learning
Conheça o Processo de Importação de Dados
Domine técnicas de pré-processamento, como substituição de valores faltantes
Aprenda técnicas de engenharia de atributos, como normalização de dados e codificação de categorias
Crie modelos de Regressão e Classificação, utilizando Redes Neurais, Random Forest e outras
Avalie a performance de seus modelos
Crie Clusters e avalia a performance
Produza regras de associação com itens frequentes
Faça o tunning de Hiper Parâmetros de Modelos
Cria fluxos de processamento de Machine Learning utilizando Pipelines
e muito mais!
Você ainda vai encontrar material do curso para baixar: scripts, slides e dados de exemplo.
What You Will Learn!
- Aprenda Otimização de Hiper Parâmetros de Modelos
- Saiba Criar Pipelines de Machine Learning
- Domine Técnicas de Pré-Processamento de dados
- Veja na Prática a Criação de Modelos de Regressão, Classificação e Clusters
- Produza Assobiadores Robustos
- Avalie a Performance de Modelos
- Importe Dados
- Persista Modelos
- Utilize Técnicas como MultiLayer Perceptron, Random Forest e Regressão Logística
Who Should Attend!
- Cientistas de Dados
- Engenheiros de Dados
- Engenheiros de Machine Learning
- Analistas de Dados