Chào bạn, tôi là Tiến sĩ Minh Trí. Bạn đang gặp lỗi MemoryError khi cố gắng load tập dữ liệu lớn bằng Pandas? Bạn muốn huấn luyện các mô hình Machine Learning trên hàng Terabyte dữ liệu mà không cần phải chuyển sang học một ngôn ngữ mới như Scala hay Java? Đã đến lúc bạn làm chủ sức mạnh của việc tính toán phân tán với cuốn sách "Scaling Python with Dask - From Data Science to Machine Learning" (2023).
Holden Karau và Mika Kimmins dẫn dắt bạn đi từ những khái niệm lập trình song song cơ bản đến việc triển khai các cụm Dask (Dask Clusters) quy mô lớn trên Cloud. Trong cuốn sách lập trình Dask chuyên sâu này, bạn sẽ làm chủ:
Dask DataFrame & Array: Cách mở rộng sức mạnh của Pandas và NumPy lên quy mô đa nhân (multi-core) và đa máy chủ (multi-node) một cách tự nhiên.
Delayed Functions & Futures: Kỹ thuật tùy biến các quy trình tính toán phức tạp (Task Graphs) để tối ưu hóa hiệu năng thực thi.
Dask ML: Triển khai các thuật toán Machine Learning (Scikit-learn, XGBoost, LightGBM) trên các tập dữ liệu khổng lồ bằng cách tận dụng tính toán phân tán.
Quản lý hạ tầng Dask: Hướng dẫn thiết lập và quản trị Dask trên Kubernetes, AWS, hay Google Cloud Platform (GCP).
Tối ưu hóa & Troubleshooting: Cách sử dụng Dask Dashboard để chẩn đoán các nút thắt cổ chai (bottlenecks) và tối ưu hóa việc sử dụng bộ nhớ.
Tích hợp hệ sinh thái: Phối hợp nhịp nhàng giữa Dask với các công cụ khác như Apache Parquet, SQL và các thư viện visualization hiện đại.
Về mặt học thuật, tôi đánh giá cao cách tác giả so sánh chi tiết giữa Dask và Spark, giúp bạn đưa ra quyết định đúng đắn nhất cho kiến trúc hệ thống của mình. Đối với cộng đồng dữ liệu Việt Nam, kiến thức trong cuốn sách IT này là vũ khí để bạn xử lý những bài toán dữ liệu "khủng" với chi phí hạ tầng thấp nhất. Tại 89ebook, chúng tôi mang đến tri thức này để giúp bạn bứt phá mọi giới hạn bộ nhớ.
