Cursos de Apache Spark MLlib

spark.mllib: tipos de datos, algoritmos y utilidades

• Tipos de datos
• Estadísticas básicas
  • resumen estadístico
  • correlaciones
  • muestreo estratificado
  • evaluación de la hipótesis
  • transmisión de pruebas de significación
  • generación aleatoria de datos
• Clasificación y regresión
  • modelos lineales (SVMs, regresión logística, regresión lineal)
  • bayes ingenuo
  • árboles de decisión
  • conjuntos de árboles (bosques al azar y árboles con gradiente de presión)
  • regresión isotónica
• Filtración colaborativa
  • alternando los mínimos cuadrados (ALS)
• Clustering
  • medios k
  • Mezcla gaussiana
  • agrupación de iteración de energía (PIC)
  • asignación latente de Dirichlet (LDA)
  • k-medios biestables
  • streaming k-means
• Reducción de dimensionalidad
  • descomposición de valores singulares (SVD)
  • análisis de componentes principales (PCA)
• Extracción y transformación de características
• Mina de modelos frecuente
  • FP-crecimiento
  • reglas de asociación
  • PrefixSpan
• Métricas de evaluación
• Exportación de modelo PMML
• Optimización (desarrollador)
  • descenso gradiente estocástico
  • memoria limitada BFGS (L-BFGS)

spark.ml: API de alto nivel para tuberías de ML

• Visión general: estimadores, transformadores y tuberías
• Extracción, transformación y selección de funciones
• Clasificación y regresión
• Clustering
• Temas avanzados