۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت می‌کنید.
این فایل با Calibre، Apple Books و سایر کتابخوان‌های دیجیتال مناسب است.
سیستم‌های امروزی پردازنده‌های چند هسته‌ای و GPUهایی دارند که ظرفیت محاسبات موازی را دارند. اما بسیاری از ابزارهای علمی پایتون طوری طراحی نشده‌اند که از این موازی‌سازی بهره ببرند. در این منبع کوتاه اما جامع، دانشمندان داده و برنامه‌نویسان پایتون یاد می‌گیرند که کتابخانه متن‌باز Dask برای محاسبات موازی چگونه APIهایی ارائه می‌دهد که موازی‌سازی کتابخانه‌های PyData از جمله NumPy، pandas و scikit-learn را آسان می‌کند.
نویسندگان، هولدن کارائو و میکا کیمینز، نشان می‌دهند چگونه محاسبات Dask را روی سیستم‌های محلی به‌کار بگیرید و سپس برای بارهای کاری سنگین‌تر آن را به فضای ابری مقیاس دهید. این کتاب کاربردی توضیح می‌دهد چرا Dask بین متخصصان صنعت و دانشگاهیان محبوب است و سازمان‌هایی مثل والمارت، کپیتال وان، دانشکده پزشکی هاروارد و ناسا از آن استفاده می‌کنند.
با این کتاب یاد می‌گیرید:
Dask چیست، کجا می‌توانید از آن استفاده کنید و چطور با ابزارهای دیگر مقایسه می‌شود
چگونه از Dask برای پردازش موازی دسته‌ای داده‌ها استفاده کنید
مفاهیم کلیدی سیستم‌های توزیع‌شده برای کار با Dask
روش‌های استفاده از Dask با APIهای سطح بالاتر و بلوک‌های سازنده
چگونه با کتابخانه‌های یکپارچه مثل scikit-learn، pandas و PyTorch کار کنید
چگونه از Dask با GPUها استفاده کنید
Modern systems contain multi-core CPUs and GPUs that have the potential for parallel computing. But many scientific Python tools were not designed to leverage this parallelism. With this short but thorough resource, data scientists and Python programmers will learn how the Dask open source library for parallel computing provides APIs that make it easy to parallelize PyData libraries including NumPy, pandas, and scikit-learn.Authors Holden Karau and Mika Kimmins show you how to use Dask computations in local systems and then scale to the cloud for heavier workloads. This practical book explains why Dask is popular among industry experts and academics and is used by organizations that include Walmart, Capital One, Harvard Medical School, and NASA.With this book, you'll learn:What Dask is, where you can use it, and how it compares with other tools How to use Dask for batch data parallel processing Key distributed system concepts for working with Dask Methods for using Dask with higher-level APIs and building blocks How to work with integrated libraries such as scikit-learn, pandas, and PyTorch How to use Dask with GPUs
هنر
رایانه و برنامه‌نویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)