Schulungsübersicht

Einführung

  • Überblick über die Funktionen und Vorteile von Dask
  • Paralleles Rechnen in Python

Erste Schritte

  • Dask installieren
  • Dask-Bibliotheken, -Komponenten und -APIs
  • Bester Praxis und Tipps

Skalierung von NumPy, SciPy und Pandas

  • Beispiele und Anwendungsfälle für Dask-Arrays
  • Chunks und blockweise Algorithmen
  • Überlappende Berechnungen
  • SciPy stats und LinearOperator
  • Numpy-Slicing und -Zuweisung
  • DataFrames und Pandas

Dask-Interna und grafische Benutzeroberfläche

  • Unterstützte Schnittstellen
  • Scheduler und Diagnosewerkzeuge
  • Leistungsanalyse
  • Graphische Berechnungen

Optimierung und Bereitstellung von Dask

  • Anpassbare Bereitstellungen einrichten
  • Auf ferne Daten zugreifen
  • Fehler in parallelen Programmen beheben
  • Dask-Cluster bereitstellen
  • Mit GPUs arbeiten
  • Dask in der Cloud bereitstellen

Fehlerbehebung

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Erfahrung mit Datenanalyse
  • Python-Programmiererfahrung

Zielgruppe

  • Datenwissenschaftler
  • Softwareentwickler
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien