Modern systems contain multicore 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
Negatief, positief, neutraal: we zetten een review altijd online. We controleren wel eerst of ’ie voldoet aan onze reviewvoorwaarden en niet nep is. We controleren ook of ’ie is geschreven door iemand die het artikel heeft gekocht via bol.com en zetten dit er dan bij. De controles gebeuren automatisch, al kijken er soms mensen mee. Bol.com betaalt niet voor reviews. Als een reviewer door een andere partij is vergoed, staat dit in de review zelf.
De prijs van dit product is 67 euro en 07 cent.67
07
1 - 2 weken
Levertijd
We doen er alles aan om dit artikel op tijd te bezorgen. Het is echter in een enkel geval mogelijk dat door omstandigheden de bezorging vertraagd is.
Bezorgopties
We bieden verschillende opties aan voor het bezorgen of ophalen van je bestelling. Welke opties voor jouw bestelling beschikbaar zijn, zie je bij het afronden van de bestelling.
