Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
spark.mllib: veri türleri, algoritmalar ve yardımcı programlar
- Veri türleri
- Temel istatistikler
- Özet istatistikler
- Korelasyonlar
- Katmanlı örnekleme
- Hipotez testi
- Sürekli önem testi
- Rastgele veri üretimi
- Sınıflandırma ve regresyon
- Doğrusal modeller (SVM'ler, lojistik regresyon, doğrusal regresyon)
- Naive Bayes
- Karar ağaçları
- Ağaç kümeleri (Random Forestler ve Gradient-Boosted Trees)
- İzotonik regresyon
- İşbirlikçi filtreleme
- Alternatif en küçük kareler (ALS)
- Kümeleme
- k-means
- Gauss karışımı
- Güç iterasyonu kümeleme (PIC)
- Gizli Dirichlet tahsisi (LDA)
- İkiye bölen k-means
- Sürekli k-means
- Boyutsallık azaltma
- Tekil değer ayrışımı (SVD)
- Temel bileşen analizi (PCA)
- Özellik çıkarma ve dönüştürme
- Sık örüntü madenciliği
- FP-growth
- Birliktelik kuralları
- PrefixSpan
- Değerlendirme metrikleri
- PMML model dışa aktarımı
- Optimizasyon (geliştirici)
- Stokastik gradyan inişi
- Sınırlı bellek BFGS (L-BFGS)
spark.ml: makine öğrenimi işlem hatları için üst düzey API'ler
- Genel bakış: tahminciler, dönüştürücüler ve işlem hatları
- Özellik çıkarma, dönüştürme ve seçimi
- Sınıflandırma ve regresyon
- Kümeleme
- İleri konular
Kurs İçin Gerekli Önbilgiler
Aşağıdaki konulardan birine ilişkin bilgi sahibi olmak:
- Java
- Scala
- Python
- SparkR.
35 Saat
Danışanlarımızın Yorumları (1)
A lot of practical examples, different ways to approach the same problem, and sometimes not so obvious tricks how to improve the current solution
