Современные системы содержат многоядерные процессоры и графические процессоры, обладающие потенциалом для параллельных вычислений. Однако многие научные инструменты на Python не были разработаны для использования этого параллелизма. С помощью этого краткого, но исчерпывающего ресурса специалисты по обработке данных и программисты на Python узнают, как библиотека Dask с открытым исходным кодом для параллельных вычислений предоставляет API, упрощающие распараллеливание библиотек PyData, включая NumPy, pandas и scikit-learn.
Авторы Холден Карау и Мика Кимминс показывают, как использовать вычисления Dask в локальных системах, а затем масштабировать их до облака для более ресурсоемких задач. В этой практической книге объясняется, почему Dask популярен среди отраслевых экспертов и ученых, и почему его используют такие организации, как Walmart, Capital One, Гарвардская медицинская школа и NASA.
