RSS сайта | RSS форума | RSS каталога файлов | RSS блога | Карта форума | Карта сайта | Все теги сайта
Главная страница

Промышленный Machine Learning на больших данных (2020) PCRec

ГлавнаяФорумБлогФайлыОбратная связьО сайтеГостевая книгаПоиск
Настал ваш час, чтобы заработать реальные деньги на своем сайте
Категория
Заставки-скринсейверы
Графика, дизайн
Фото+Картинки
Иконки
Обои
Windows,ОС
Безопасность
Мультимедия
Интернет
Утилиты
Журналы, книги
Видео-уроки
Фильмы
Музыка
Софт
Игры
Для мобилы
Юмор
Разное
PS градиенты
PS шаблоны
PS плагины
PS шрифты
PS рамки
PS стили
PS кисти

Доп. меню

Добавь нас в Яндекс
добавить на Яндекс

Устанавливайте виджет о новых публикациях варез-портала ProSidr.ru на главной странице Яндекса. Будьте в курсе последних обновлений в мире софта.

добавить на Яндекс

Новое в блоге

Бан - что это?

Внутренняя оптимизация сайта

Подключение принтера в локальной сети

Нужна ли оптимизация?

Как узнать, что сайт под фильтром АГС?

SEO оптимизация - это Оптимизация Сайта

Почему сайт выпадает с Яндекса?

Новинки форума
Разное
Раздел жалоб
Зарабатываем деньги на нашем сайте!
3 февраля 2017 Апдейт тИЦ
Чертежи, инженерная графика, 3D моделирование
Почему сайт выпадает с Яндекса?
Adobe After Effects CS3
- Сынок, ты пьяненький? - Угу, в попочку...
Про спорт
Смешная история
Простые иконки групп + psd
Как установить плагин (фильтр) в Photoshop?
Видеоурок "Новогоднее поздравление в ретро стиле"
Как продлить жизнь жёстким дискам?
Приветик
У нас нашли, переходы с ПС
Яндекс тИЦ 03.12.2016
Правильное питание
Вечный двигатель на 4 киловатта
Ищу курс по созданию сайтов.




Администрация сайта не претендует на авторские права. Материалы предоставленные на сайте, принадлежат их владельцам и предоставляются исключительно в ознакомительных целях.

Главная » Видео-уроки » 2021 » Февраль » 19 » Промышленный Machine Learning на больших данных (2020) PCRec
19.02.2021
Промышленный Machine Learning на больших данных (2020) PCRec


Вы освоите все необходимые навыки машинного обучения для потоковых данных и распределенной среды. В программу включены необходимые знания из областей Data Science и Data Engineering, которые позволят вам обрабатывать большие данные и писать распределенные алгоритмы на Spark.

Для кого этот курс?
-Для специалистов по Машинному обучению или Software инженеров, которые хотят научиться работать с большими данными. Обычно такие задачи имеются в крупных IT-компаниях с масштабным цифровым продуктом.
-Для Data Scientist, которые хотят усилить свой скиллсет инженерными навыками. Благодаря курсу вы будете уметь обрабатывать данные и самостоятельно выводить результаты ML-решений в продакшн.

Вы научитесь:
-Использовать стандартные инструменты ML-конвейеров в распределенной среде;
-Разрабатывать собственные блоки для ML-конвейеров;
-Адаптировать ML-алгоритмы к распределенной среде и инструментам big data;
-Использовать Spark, SparkML, Spark Streaming;
-Разрабатывать алгоритмы потоковой подготовки данных для машинного обучения;
-Обеспечивать контроль качества на всех этапах движения ML-решений в промышленную эксплуатацию.

Содержание:
01. Градиентный спуск и линейные модели
02. Обзор основных методов и метрик машинного обучения
03. Основы программирования на Scala
04. Распределенные хранилища
05. Эволюция параллельных алгоритмов
06. Менеджеры ресурсов в распределенных системах
07. Основы Apache Spark
08. Эволюция параллельных алгоритмов №2
09. Перенос МЛ-алгоритмов в распределенную среду
10. ML в Apache Spark
11. Разработка собственных блоков для SparkML
12. Сторонние библиотеки для использования со Spark
13. Оптимизация гиперпараметров и AutoML
14. Потоковая обработка данных
15. Spark Streaming
16. Структурный и непрерывный стриминг в Spark
17. Альтернативные потоковые фреймворки
18. Определение цели МЛ-проекта и предварительный анализ
19. Долгосрочные ML-цели на примере задачи уменьшения оттока
20. А-Б тестирование 1
21. А-Б тестирование 2
22. Подходы к выводу ML-решений в продакшн
23. Версионирование, воспроизводимость и мониторинг
24. Онлайн-сервинг моделей
25. Паттерны асинхронного потокового ML и ETL
26. Если надо Python
27. Альтернативные фреймворки с поддержкой Python
28. Production Code на Python. Организация и Packaging кода
29. REST-архитектура - Flask API
30. Docker - Структура, применение, деплой
31. Amazon Sagemaker
32. AWS ML Service
33. Нейросети
34. Распределенное обучение и инференс нейросетей
35. Градиентный бустинг на деревьях

Информация о видео
Название: Промышленный Machine Learning на больших данных
Автор: Дмитрий Бугайченко и др.
Год выхода: 2020
Жанр: Видеокурс
Язык: Русский
Выпущено: Россия
Продолжительность: 61:33:51

Файл
Формат: MP4 (+доп.файлы)
Видео: AVC, ~1684x900, ~1684 Kbps
Аудио: AAC, 128 Kbps, 48.0 KHz
Размер файла: 8.32 Gb



Скачать Промышленный Machine Learning на больших данных (2020) Видеокурс

Скачать Pic бесплатно Промышленный Machine Learning на больших данных (2020) PCRec на высокой скорости и по прямой ссылке!


Категория: Видео-уроки | Просмотров: 44 | Добавил: colt | Теги: промышленный, больших, Learning, Machine, PCRec, данных | Рейтинг: 0.0/0

Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Профиль

Привет, Гость
Вы в группе: Гости

Партнеры
Партнеры сайта ProSIdr



Реквизиты
Наши кошельки
WMU - U202985913646
WMR - R188616388079
WMZ - Z277596519981
WME - E201827653504

Наш баннер
Мы будем Вам признательны, если Вы разместите нашу кнопку у себя на сайте. Если Вы хотите обменяться с нами баннерами, пишите на форум в тему "Баннерообмен"

Наши баннеры

Переходы с ПС
Загрузка...

Новости

Календарь

Опрос
Какая поисковая система лучше?
Всего ответов: 85

Статистика
Зарегестрировано
Статистика материалов
Общая статистика
Онлайн:
Онлайн всего: 4
Гостей: 3
Пользователей: 1
davidqd60
За сегодня: jeanniexj3, youngmj4, marcieeg69, marvaul18, clarissatj18, dennisbc3, chandramo2, tishavq4, vanessave2, victorbj18, ursulasm16, denaqq69, cindyqp16, nataliefr2, socorroha4, sherriens18, [Полный список]

www.megastock.ru
Анализ сайта Яндекс.Метрика

Администрация сайта не претендует на авторские права. Материалы предоставленные на сайте, принадлежат их владельцам и предоставляются исключительно в ознакомительных целях.
Cайт оптимизирован для просмотра браузером Opera, Google Chrome, Mozilla Firefox, Safari.
           

Яндекс.Метрика
Яндекс.Метрика