Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Scaling Python with Dask: From Data Science to Machine Learning
Moderne Systeme enthalten Multi-Core-CPUs und GPUs, die das Potenzial für parallele Berechnungen haben. Viele wissenschaftliche Python-Tools wurden jedoch nicht für die Nutzung dieser Parallelität entwickelt. In diesem kurzen, aber gründlichen Buch erfahren Datenwissenschaftler und Python-Programmierer, wie die Open-Source-Bibliothek Dask für paralleles Rechnen APIs bereitstellt, die die Parallelisierung von PyData-Bibliotheken wie NumPy, Pandas und Scikit-Learn erleichtern.
Die Autoren Holden Karau und Mika Kimmins zeigen Ihnen, wie Sie Dask-Berechnungen in lokalen Systemen verwenden und dann für schwerere Arbeitslasten in die Cloud skalieren können. Dieses praktische Buch erklärt, warum Dask bei Branchenexperten und Akademikern beliebt ist und von Unternehmen wie Walmart, Capital One, Harvard Medical School und der NASA eingesetzt wird.
In diesem Buch erfahren Sie:
⬤ Was Dask ist, wo Sie es einsetzen können und wie es im Vergleich zu anderen Tools funktioniert.
⬤ Wie Sie Dask für die parallele Verarbeitung von Stapeldaten verwenden.
⬤ Schlüsselkonzepte verteilter Systeme für die Arbeit mit Dask.
⬤ Methoden zur Verwendung von Dask mit übergeordneten APIs und Bausteinen.
⬤ Wie man mit integrierten Bibliotheken wie Scikit-Learn, Pandas und PyTorch arbeitet.
⬤ Wie man Dask mit GPUs verwendet.
| ISBN: | 9781098119874 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 202 |
Derzeit verfügbar, auf Lager.
