Aperçu du cours
Objectif de formation : Au terme de la formation l’apprenant aura pris en main le langage de programmation R et détiendra des compétences de base en Data Science grâce à lui.
Prérequis
- Avoir des connaissances en Machine Learning
- Avoir des bases en programmation R
Fonctionnalités
- Savoir utiliser la bibliothèque H2O
- Manipuler les modèles de Machine Learning et de Deep Learning sous H2O
- Reconnaître les cas d'utilisation avec Spark
Public ciblé
- Statisticiens
- Consultants Big Data
- Data analysts
- Data scientists
Détails
- 60 Sections
- 336 Lessons
- 21 heures
Expand all sectionsCollapse all sections
- Introduction au Machine Learning4
- Introduction au Machine Learning4
- Introduction au Machine Learning4
- Introduction au Machine Learning4
- Introduction au Machine Learning4
- Introduction au Machine Learning4
- Présentation d'H2O4
- Présentation d'H2O4
- Présentation d'H2O4
- Présentation d'H2O4
- Présentation d'H2O4
- Présentation d'H2O4
- Arbres et forêts7
- Arbres et forêts7
- Arbres et forêts7
- Arbres et forêts7
- Arbres et forêts7
- Arbres et forêts7
- Modèles linéaires6
- Modèles linéaires6
- Modèles linéaires6
- Modèles linéaires6
- Modèles linéaires6
- Modèles linéaires6
- Data Manipulation3
- Data Manipulation3
- Data Manipulation3
- Data Manipulation3
- Data Manipulation3
- Data Manipulation3
- Deep learning H2O3
- Deep learning H2O3
- Deep learning H2O3
- Deep learning H2O3
- Deep learning H2O3
- Deep learning H2O3
- Architecture et sécurité sous H2O5
- Architecture et sécurité sous H2O5
- Architecture et sécurité sous H2O5
- Architecture et sécurité sous H2O5
- Architecture et sécurité sous H2O5
- Architecture et sécurité sous H2O5
- Présentation du Sparkling Water8
- Présentation du Sparkling Water8
- Présentation du Sparkling Water8
- Présentation du Sparkling Water8
- Présentation du Sparkling Water8
- Présentation du Sparkling Water8
- API H2O11
- 49.1Démarrage des services H2O
- 49.2L’allocation mémoire
- 49.3Conversion d’H2OFrame : RDD & DataFrame
- 49.4Convertion du RDD et DataFrame au H2OFrame
- 49.5Création d’un H2OFrame à partir d’une clé existante
- 49.6Le mapping des types entre H2OFrame et Spark DataFrame
- 49.7Appeler les algorithmes H2O
- 49.8Utilisation de Spark Data Sources avec H2OFrame
- 49.9H2OFrame : lecture & enregistrement
- 49.10Chargement et sauvegarde des options
- 49.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 50.1Démarrage des services H2O
- 50.2L’allocation mémoire
- 50.3Conversion d’H2OFrame : RDD & DataFrame
- 50.4Convertion du RDD et DataFrame au H2OFrame
- 50.5Création d’un H2OFrame à partir d’une clé existante
- 50.6Le mapping des types entre H2OFrame et Spark DataFrame
- 50.7Appeler les algorithmes H2O
- 50.8Utilisation de Spark Data Sources avec H2OFrame
- 50.9H2OFrame : lecture & enregistrement
- 50.10Chargement et sauvegarde des options
- 50.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 51.1Démarrage des services H2O
- 51.2L’allocation mémoire
- 51.3Conversion d’H2OFrame : RDD & DataFrame
- 51.4Convertion du RDD et DataFrame au H2OFrame
- 51.5Création d’un H2OFrame à partir d’une clé existante
- 51.6Le mapping des types entre H2OFrame et Spark DataFrame
- 51.7Appeler les algorithmes H2O
- 51.8Utilisation de Spark Data Sources avec H2OFrame
- 51.9H2OFrame : lecture & enregistrement
- 51.10Chargement et sauvegarde des options
- 51.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 52.1Démarrage des services H2O
- 52.2L’allocation mémoire
- 52.3Conversion d’H2OFrame : RDD & DataFrame
- 52.4Convertion du RDD et DataFrame au H2OFrame
- 52.5Création d’un H2OFrame à partir d’une clé existante
- 52.6Le mapping des types entre H2OFrame et Spark DataFrame
- 52.7Appeler les algorithmes H2O
- 52.8Utilisation de Spark Data Sources avec H2OFrame
- 52.9H2OFrame : lecture & enregistrement
- 52.10Chargement et sauvegarde des options
- 52.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 53.1Démarrage des services H2O
- 53.2L’allocation mémoire
- 53.3Conversion d’H2OFrame : RDD & DataFrame
- 53.4Convertion du RDD et DataFrame au H2OFrame
- 53.5Création d’un H2OFrame à partir d’une clé existante
- 53.6Le mapping des types entre H2OFrame et Spark DataFrame
- 53.7Appeler les algorithmes H2O
- 53.8Utilisation de Spark Data Sources avec H2OFrame
- 53.9H2OFrame : lecture & enregistrement
- 53.10Chargement et sauvegarde des options
- 53.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 54.1Démarrage des services H2O
- 54.2L’allocation mémoire
- 54.3Conversion d’H2OFrame : RDD & DataFrame
- 54.4Convertion du RDD et DataFrame au H2OFrame
- 54.5Création d’un H2OFrame à partir d’une clé existante
- 54.6Le mapping des types entre H2OFrame et Spark DataFrame
- 54.7Appeler les algorithmes H2O
- 54.8Utilisation de Spark Data Sources avec H2OFrame
- 54.9H2OFrame : lecture & enregistrement
- 54.10Chargement et sauvegarde des options
- 54.11Spécification du mode d’enregistrement à appliquer
- H2O en production5
- H2O en production5
- H2O en production5
- H2O en production5
- H2O en production5
- H2O en production5
Instructeur
