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.

Free questions

9

Certification mode

9 questions

Question bank

9 questions

Passing score

70%

Pass the short version to earn the free Essential Certificate. Payment unlocks the in-depth version and the Excellence Certificate, which carries more weight.

You can take the quiz without an account. To receive your results by email and keep them in your history, create an account.