PySpark Machine Learning: พื้นฐานของ MLlib และ Pipelines

เมื่อชุดข้อมูลมีขนาดใหญ่ขึ้น เครื่องมือ Machine Learning แบบดั้งเดิมมักประสบปัญหาในการประมวลผลข้อมูลอย่างมีประสิทธิภาพ การเรียนรู้วิธีสร้างเวิร์กโฟลว์ Machine Learning ที่ขยายขนาดได้จึงเป็นสิ่งจำเป็นสำหรับบทบาทงานด้านข้อมูลในยุคปัจจุบัน หลักสูตรแบบอ่านนี้จะนำคุณตั้งแต่หลักการพื้นฐานของ Machine Learning ไปจนถึงการออกแบบ Pipelines ที่ขยายขนาดได้โดยใช้ PySpark MLlib คุณจะได้เรียนรู้วิธีการเตรียมชุดข้อมูลขนาดใหญ่ การทำ Feature Engineering และการฝึกสอนโมเดลที่สามารถรองรับการขยายขนาดได้โดยไม่สูญเสียประสิทธิภาพ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจแนวคิดหลักของ Machine Learning รวมถึงรูปแบบการเรียนรู้แบบมีผู้สอน (Supervised) และไม่มีผู้สอน (Unsupervised) - กำหนดค่า PySpark MLlib pipelines เพื่อปรับปรุงขั้นตอนการแปลงข้อมูลและการฝึกสอนโมเดลให้มีประสิทธิภาพ - ประยุกต์ใช้เทคนิค Feature Engineering เช่น การทำ Vector Assembly, Scaling และ Indexing - สร้างและประเมินโมเดลการจำแนกประเภท (Classification) และการถดถอย (Regression) โดยใช้อัลกอริทึมที่ขยายขนาดได้ - นำเทคนิคการจัดกลุ่ม (Clustering) ไปใช้เพื่อค้นหารูปแบบในชุดข้อมูลขนาดใหญ่ที่ไม่มีป้ายกำกับ - ฝึกฝนการประเมินโมเดลและการปรับจูน Hyperparameter โดยใช้เวิร์กโฟลว์ Cross-validation หลักสูตรนี้เริ่มต้นด้วยคำศัพท์พื้นฐานของ Machine Learning และการตั้งค่า ก่อนที่จะเข้าสู่การสร้าง Pipeline แบบลงมือปฏิบัติจริง คุณจะได้ศึกษาการเขียนโค้ดเชิงปฏิบัติและการอธิบายแนวคิดที่ออกแบบมาเพื่อสร้างความมั่นใจให้คุณทีละขั้นตอน หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นในด้าน Machine Learning และ Data Engineering โดยมีความคุ้นเคยกับ Python เบื้องต้นจะเป็นประโยชน์ แต่ไม่จำเป็นต้องมีประสบการณ์ด้าน Machine Learning มาก่อน เริ่มอ่านวันนี้เพื่อสร้างรากฐานของคุณในด้าน Scalable Machine Learning