کتاب Parallel Python with Dask

کتاب Parallel Python with Dask: Perform distributed computing, concurrent programming and manage large dataset (پایتون موازی با Dask: انجام محاسبات توزیع شده، برنامه‌نویسی همزمان و مدیریت مجموعه داده‌های بزرگ) مفاهیم برنامه‌نویسی موازی را با استفاده از پایتون و Dask توضیح خواهد داد.

در ادامه مقدمه‌ای از کتاب Parallel Python with Dask را شرح خواهیم داد.

مقدمه‌ای بر کتاب Parallel Python with Dask:

باز کردن قدرت پایتون موازی با Dask: راهنمای یادگیری کامل برای دانشمندان مشتاق داده

Dask محاسبات موازی را برای پایتون متحول کرده است و دانشمندان داده را قادر می‌سازد تا گردش کار خود را سرعت بخشند. این راهنمای جامع پیچیدگی‌های Dask را آشکار می‌کند تا به شما کمک کند از قابلیت‌های آن برای یادگیری ماشینی و تجزیه و تحلیل داده‌ها استفاده کنید.

بیشتر بخوانید: کتاب Distributed Machine Learning with Python

در 10 فصل، به اصول، معماری و ادغام Dask با اکوسیستم محاسباتی علمی پایتون تسلط خواهید داشت. آموزش‌های گام‌به‌گام نقشه برداری موازی، زمان بندی کار، و استفاده از آرایه‌های Dask را برای بارهای کاری NumPy نشان می‌دهد. شما متوجه خواهید شد که Dask چگونه یکپارچه مقیاس می‌شود. Pandas، Scikit-Learn، PyTorch، و دیگر کتابخانه‌ها برای مجموعه داده‌های بزرگ.

فصل‌های اختصاصی رگرسیون مقیاس‌بندی، طبقه‌بندی، تنظیم فراپارامتر، مهندسی ویژگی و موارد دیگر را با مثال‌های واضح بررسی می‌کنند. همچنین یاد خواهید گرفت که با استفاده از Dask، RAPIDS و Google JAX از قدرت پردازنده‌های گرافیکی برای افزایش سرعت‌های بزرگ استفاده کنید.

کتاب Parallel Python with Dask تاکید ویژه ای بر موارد استفاده عملی مربوط به مقیاس پذیری و محاسبات توزیع شده دارد. شما الگوهای Dask را برای محاسبات خوشه ای، مدیریت کارآمد منابع و خطوط لوله داده قوی یاد خواهید گرفت. فصل‌های پیشرفته DaskML و یادگیری عمیق نحوه ساخت مدل‌های مقیاس‌پذیر با PyTorch و TensorFlow را نشان می‌دهد.

بیشتر بخوانید: کتاب Parallel and High Performance Computing

با این کتاب مهارت‌های عملی به دست خواهید آورد:

• با نقشه برداری موازی و زمان بندی وظایف، بارهای کاری پایتون را تسریع کنید
• افزایش سرعت NumPy، Pandas، Scikit-Learn، PyTorch و سایر کتابخانه‌ها
• خطوط لوله یادگیری ماشینی مقیاس پذیر برای مجموعه داده‌های بزرگ بسازید
• از طریق Dask، RAPIDS و JAX از GPU ها به طور موثر استفاده کنید
• خوشه‌های Dask و گردش کار را برای محاسبات توزیع شده مدیریت کنید
• مدل‌های یادگیری عمیق را با چارچوب‌های DaskML و DL ساده کنید

این کتاب با مثال‌های عملی و بینش‌های متخصص، جعبه ابزار کاملی را برای مهار قابلیت‌های Dask فراهم می‌کند. این برنامه‌نویسان پایتون، دانشمندان داده و مهندسان یادگیری ماشین را برای دستیابی به گردش‌های کاری سریع‌تر و عملیاتی کردن محاسبات موازی توانمند می‌سازد.

سرفصل‌های کتاب Parallel Python with Dask:

• Parallel Python with Dask
• Chapter 1: Introduction to Dask
• Chapter 2: Dask Fundamentals
• Chapter 3: Batch Data Parallel Processing with Dask
• Chapter 4: Distributed Systems and Dask
• Chapter 5: Advanced Dask: APIs and Building Blocks
• Chapter 6: Integrated Libraries: Dask with Pandas
• Chapter 7: Integrated Libraries: Dask with Scikit-learn
• Chapter 8: Integrated Libraries: Dask and PyTorch
• Chapter 9: Dask with GPUs
• Chapter 10: Scaling Machine Learning Projects with Dask
• Thank You
• Index

جهت دانلود کتاب Parallel Python with Dask می‌توانید پس از پرداخت، دریافت کنید.