Прескочи на главни садржај
🔒 Режим прегледа. Првих петнаест Foundations лекција је бесплатно; ова је Pro. Покрените 7-дневни trial да откључате едитор, AI савете и остатак курса. Картица је обавезна, можете отказати у било ком тренутку у Dashboard.
Покрени 7-дневни trial →
⚡
← Kursevi
›
Data Science Applied
›
Модул 6 · Дубоко учење + МЛОпс
›
Поларс / ДуцкДБ за велике оквире података
quiz
102 / 104
🇷🇸
SR
▼
↗
Подели
⋯
Више
+100 XP
📋
Zadatak
📖
Teorija
🤖
AI Pomoć
Zadatak
📝 **Питање:** 10ГБ ЦСВ, филтер + агрегат. Најбржи са ниским подешавањем? 📋 Изаберите тачан одговор. 💡 **Савет:** Поново прочитајте горњу теорију ако нисте сигурни.
🎯 Kviz
Pitanje
📝 **Питање:** 10ГБ ЦСВ, филтер + агрегат. Најбржи са ниским подешавањем? 📋 Изаберите тачан одговор. 💡 **Савет:** Поново прочитајте горњу теорију ако нисте сигурни.
A
`pd.read_csv(path, chunksize=500_000)` and a manual accumulator — chunking is the modern pandas best practice.
B
DuckDB or Polars — handle 10GB on a laptop, parallel by default.
C
Stand up a single-node PySpark cluster — its Arrow-backed planner outperforms columnar engines on flat CSV input.
D
Pre-convert to Parquet, mount the file with `pyarrow.dataset` and run a pandas groupby on the loaded table object.
Odgovori
💬 Diskusija
Budi prvi — postavi pitanje ili podeli savet.
Prijavi se
da bi se pridružio diskusiji. Čitanje je besplatno.
Učitavanje diskusije…