Mira cursos similares a Pyspark desde cero orientado a machine learning

 

Por qué hacer el curso Pyspark desde cero orientado a machine learning

Imagínate terminando tu jornada laboral, preparándote un café y abriendo tu portátil para avanzar en un nuevo proyecto que te engancha. Sin prisas, sin desplazamientos, sin horarios que te aten. Así es empezar tu camino con Pyspark desde cero orientado a machine learning. No se trata solo de una habilité más en tu CV: es dar un giro natural a tu carrera hacia el mundo del análisis de datos y la inteligencia artificial, dominando una de las herramientas más potentes del mercado, sin agobios ni plazos imposibles. Cada clase es un paso firme, y la ventaja es que decides cuándo y cómo darlo. Puedes compaginar tu vida actual con este aprendizaje, descubriendo con calma cómo construir modelos predictivos sobre grandes volúmenes de información. Es tu ritmo, tus tiempos. ¡Dale a tu trayectoria ese empujón que necesita desde la comodidad de tu hogar!  

Cómo es Pyspark desde cero orientado a machine learning

Este es un curso que esta diseñado para personas que deseen adquirir el conocimiento básico para trabajar con Pyspark en un entorno de maquina virtual usando el sistema operativo Linux-Ubuntu. Aprenderemos a instalar el ambiente de trabajo para Pyspark usando una maquina virtual con Ubuntu y crearemos un archivo de trabajo para jupyter notebook con una secuencia clásica de carga de datos desde un archivo csv, limpieza, creacion sub dataframes y corrida de algoritmos de ML. Trabajaremos con los algoritmos de Regresión lineal, Decision tree regression, Gradient Boosting regresión y neural network usando la librería de Keras. Solamente explicaremos el algoritmo de Gradiente descendiente por su importancia ya que la mayoría de estos algoritmos usan el Gradiente descendiente para obtener el menor loss function. Tambien trabajaremos con los dataFrames de Pandas y de Pyspark para entender sus diferencias. Asimismo, sera importante entender lo poderoso de los RDD que son los que permiten el procesado distribuido para el ambiente de Big Data. El estudiante podrá descargar la maquina virtual y el archivo para jupyter notebook con las tareas ya trabajadas allí, pero esperamos que cada estudiante pueda instalar su propia maquina virtual usando la guía ofrecida con este curso. Yo estaré a su disposición para ayudarles en la creación de la MV.  

Cursos que complementan