yu4u @yu4u 90人まで定員を増やしていますが、半分くらい補欠になっています。参加できない方はキャンセルをお願いします! / Deep Learning Acceleration勉強会 connpass.com/event/64632/ #DLAccel 2017-09-01 14:47:22
![Deep Learning Acceleration勉強会まとめ](https://cdn-ak-scissors.b.st-hatena.com/image/square/a5a514837d3faafde919403aee448f8d3c57b4f9/height=288;version=1;width=512/https%3A%2F%2Fs.togetter.com%2Fogp2%2Fedf1da6f594a256b86ab41c5f1a3ab62-1200x630.png)
この記事は、Brainpad Advent Calender 15日目の記事です。 本記事では、メモリに乗らないようなデータもPandasやNumPyライクに操作を行い、スケールアップ・スケールアウトにも対応できるライブラリ、Daskについて、簡単に紹介をします。 はじめに Pythonでデータ分析や機械学習をする際、PandasやNumPyを用いる場面が非常に多くなってきました。 しかし、PandasやNumPyではメモリに乗らないデータの扱いが難しかったり、基本的にシングルコアでの処理を行うため、速度が遅い、といった問題があります。例えば、サーバー上で実行する際、CPUの論理コアが32個あっても、1個のCPUしか使用していない、といった感じです。 近年、データ分析関連のライブラリは非常に多様化しており、派閥(?)が沢山あるようです。 個人的には、Pandas作者であるWes McKin
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く