08 — Jour 2 · Clustering

Ce quiz du jour 2 porte sur le clustering avec Spark ML, appliqué aux courses de taxis jaunes de New York. Il couvre K-means sur les variables trip_distance, total_amount et heure, la construction du pipeline (VectorAssembler, StandardScaler) et l'effet de l'absence de normalisation sur des variables d'échelles très différentes. Il aborde aussi le choix de k avec le score de silhouette calculé par ClusteringEvaluator, la lecture de ce score, la reproductibilité avec seed, et l'exploitation d'un modèle entraîné (centres, affectation des courses aux clusters). Une dernière partie ouvre sur l'analyse de graphes avec GraphFrames, par exemple pour repérer les zones les plus desservies à partir des identifiants de zones de prise en charge et de dépose. Le niveau attendu est intermédiaire : il faut connaître les bases de Spark SQL et des DataFrames et avoir déjà vu les pipelines Spark ML. À la fin, vous saurez vérifier qu'un pipeline de clustering est correct, interpréter une silhouette, comparer plusieurs valeurs de k sans tirer de conclusion hâtive, et repérer les erreurs de mise à l'échelle.

الأسئلة المجانية

9

الوضع المعتمد

9 سؤالًا

بنك الأسئلة

9 سؤالًا

حدّ النجاح

70%

انجح في النسخة القصيرة لتحصل مجانًا على الشهادة الأساسية. يفتح لك الدفع النسخة المعمّقة و شهادة التميز الأكثر قيمة.

يمكنك اجتياز الاختبار دون حساب. لتلقي نتائجك عبر البريد الإلكتروني والاحتفاظ بها في سجلّك، أنشئ حسابًا.