Lompat ke konten
nalar

Machine Learning Skala Besar (Spark MLlib) & Ekosistem Big Data

Bagaimana algoritma ML diparalelkan (data parallelism, agregasi gradien & statistik per partisi), API Pipeline Spark MLlib (Transformer, Estimator, VectorAssembler, StandardScaler, LogisticRegression, KMeans), evaluasi terdistribusi, serta tinjauan Hive, HBase, Kafka, dan Flink.

0 dari 13 dijawabSkor 0
  1. 01Pilihan ganda

    Jenis paralelisme yang terutama dipakai Spark MLlib adalah …

  2. 02Pilihan ganda

    Mengapa gradien log-loss regresi logistik mudah didistribusikan?

  3. 03Pilihan ganda

    Dalam Spark ML, StandardScaler dan LogisticRegression (sebelum di-fit) termasuk …

  4. 04Pilihan ganda

    Fungsi VectorAssembler adalah …

  5. 05Pilihan ganda

    Keuntungan utama memakai Pipeline adalah …

  6. 06Pilihan ganda

    Komponen ekosistem yang paling tepat untuk mengalirkan event klik dari aplikasi secara real-time ke sistem pemrosesan adalah …

  7. 07Pilihan ganda

    Data 3 GB dan muat di RAM laptop 16 GB. Pilihan paling efisien untuk melatih Random Forest adalah …

  8. 08Hitung

    Gradient descent terdistribusi, tanpa bias. w = 0, partisi 1: x = 1, y = 1; partisi 2: x = 2, y = 0. Learning rate η = 0.1. Berapa w setelah satu iterasi? (gunakan rata-rata gradien)

  9. 09Hitung

    Partisi A = [2, 4], partisi B = [6]. Dengan agregasi (n, Σx, Σx²), berapa standar deviasi populasi keseluruhan? (3 desimal)

  10. 10Hitung

    Iterasi K-Means terdistribusi. Untuk klaster 1, partisi 1 melaporkan (sum = 30, count = 5) dan partisi 2 melaporkan (sum = 18, count = 3) pada satu dimensi. Berapa centroid baru klaster 1?

  11. 11Hitung

    CrossValidator dengan grid regParam 4 nilai × elasticNetParam 2 nilai dan numFolds = 5. Berapa model yang dilatih selama cross-validation (belum termasuk model final)?

  12. 12Hitung

    Klaster 1000 partisi. Tanpa tree aggregation, driver menerima 1000 vektor gradien. Dengan tree aggregation 2 tingkat di mana executor menggabungkan dulu menjadi 10 hasil antara, berapa vektor yang diterima driver?

  13. 13Uraian

    Rancang pipeline Spark MLlib untuk memprediksi churn dari kolom lama_langganan, biaya_bulanan, jumlah_keluhan, kontrak (kategorikal). Sebutkan stage secara berurutan, mana Estimator dan mana Transformer, serta cara evaluasinya.