در این مطلب، ویدئو اجرای تبدیل پایتون بر روی یک خوشه Azure Databricks – قسمت 2 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:04:16
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,320 –> 00:00:02,000
در این ویدیو به شما نشان خواهیم داد که چگونه
2
00:00:02,000 –> 00:00:04,160
یک تبدیل پایتون را روی یک
3
00:00:04,160 –> 00:00:04,880
4
00:00:04,880 –> 00:00:08,080
خوشه داده آجر لاجوردی در یکپارچه سازی مهندسی داده اجرا کنید،
5
00:00:08,080 –> 00:00:09,840
در قسمت اول این سری،
6
00:00:09,840 –> 00:00:12,320
نحوه ایجاد و پیکربندی خوشه را
7
00:00:12,320 –> 00:00:14,320
به شما نشان دادیم، بنابراین اکنون آماده اجرای تبدیل پایتون هستیم.
8
00:00:14,320 –> 00:00:15,759
9
00:00:15,759 –> 00:00:17,440
ما تبدیل پایتون خود را بر
10
00:00:17,440 –> 00:00:20,320
روی مجموعه داده های عنبیه در فایل داده عنبیه اجرا می کنیم
11
00:00:20,320 –> 00:00:22,320
این مجموعه داده حاوی اطلاعاتی در مورد
12
00:00:22,320 –> 00:00:23,760
گل ها و گلبرگ های آنها است،
13
00:00:23,760 –> 00:00:25,519
سپس یک مدل یادگیری ماشینی از قبل آموزش دیده را اجرا
14
00:00:25,519 –> 00:00:27,519
می کنیم که کلاس گل را
15
00:00:27,519 –> 00:00:29,359
بر اساس گلبرگ های آن پیش بینی
16
00:00:29,359 –> 00:00:31,279
می کند. کلاس پیشبینیشده را
17
00:00:31,279 –> 00:00:34,000
در فایل پیشبینی دادههای عنبیه ذخیره میکند،
18
00:00:34,000 –> 00:00:35,520
ابتدا ابزار توسعهدهنده informatica را باز میکنیم
19
00:00:35,520 –> 00:00:39,040
و
20
00:00:39,600 –> 00:00:42,840
یک نقشه ایجاد میکنیم، نقشهای به نام پیشبینی
21
00:00:42,840 –> 00:00:44,719
عنبیه ایجاد
22
00:00:44,719 –> 00:00:47,120
میکنیم، دادههای عنبیه را به عنوان منبع و
23
00:00:47,120 –> 00:00:50,960
پیشبینیهای داده عنبیه را به عنوان هدف اضافه
24
00:00:50,960 –> 00:00:52,640
میکنیم. این دادهها را به یک
25
00:00:52,640 –> 00:00:55,120
تبدیل پایتون ارسال میکنم که دادهها
26
00:00:55,120 –> 00:00:57,680
را در نقاط منطبق در هدف مینویسد،
27
00:00:57,680 –> 00:00:59,680
زمان اضافه کردن تبدیل پایتون است،
28
00:00:59,680 –> 00:01:01,520
اجازه دهید اسکریپت پیشبینی عنبیه تبدیل را نامگذاری کنیم.
29
00:01:01,520 –> 00:01:04,399
30
00:01:06,080 –> 00:01:08,000
از آنجایی که ما علاقه ای به
31
00:01:08,000 –> 00:01:10,320
پورت نام فایل نداریم، می توانیم پورت های
32
00:01:10,320 –> 00:01:11,680
وارداتی دیگر را به تبدیل پایتون بکشیم و رها
33
00:01:11,680 –> 00:01:14,320
34
00:01:14,799 –> 00:01:16,320
کنیم، سپس
35
00:01:16,320 –> 00:01:18,880
پورت های خروجی مربوطه را که در هدف می
36
00:01:18,880 –> 00:01:20,799
بینیم ایجاد می کنیم و از همان نام ها به عنوان
37
00:01:20,799 –> 00:01:22,000
پورت های ورودی استفاده می کنیم. و
38
00:01:22,000 –> 00:01:26,080
به هر پورت خط زیر اضافه کنید
39
00:01:26,080 –> 00:01:27,680
، تبدیل پایتون
40
00:01:27,680 –> 00:01:29,759
41
00:01:29,759 –> 00:01:31,759
اعداد اعشاری را پردازش نمیکند، بنابراین انواع دادههای اعشاری را به دو برابر تغییر
42
00:01:31,759 –> 00:01:33,520
میدهیم، همچنین مطمئن میشویم که انواع دادهها
43
00:01:33,520 –> 00:01:36,400
در پورتهای ورودی و خروجی مطابقت داشته باشند،
44
00:01:36,400 –> 00:01:38,159
سپس پورتهای خروجی را به هم وصل میکنیم.
45
00:01:38,159 –> 00:01:41,840
در تبدیل پایتون به هدف
46
00:01:42,720 –> 00:01:44,560
برای افزودن اسکریپت پایتون خود،
47
00:01:44,560 –> 00:01:46,479
به تبدیل پایتون برمی گردیم و ابتدا
48
00:01:46,479 –> 00:01:48,320
زبانه پایتون را انتخاب می
49
00:01:48,320 –> 00:01:50,079
کنیم، محل
50
00:01:50,079 –> 00:01:51,920
فایل منابع داده را ارائه می دهیم که حاوی
51
00:01:51,920 –> 00:01:53,360
مدل از پیش آموزش دیده ای است که
52
00:01:53,360 –> 00:01:55,439
این مکان در آن قرار دارد.
53
00:01:55,439 –> 00:01