کتاب تجزیه و تحلیل پیشرفته با PySpark: الگوهایی برای یادگیری از داده‌ها در مقیاس بزرگ با استفاده از پایتون و اسپارک

توضیحات کتاب

توضیحات کتاب به فارسی (ترجمه ماشینی)

مقدار داده های امروز تولید می شود حیرت انگیز است-و در حال رشد است.Apache Spark به عنوان ابزار de facto برای تجزیه و تحلیل داده های بزرگ ظاهر شده است و اکنون بخش مهمی از جعبه ابزار علوم داده است.این راهنمای عملی به روز شده برای Spark 3.0 ، Spark ، روش های آماری و مجموعه داده های دنیای واقعی را گرد هم می آورد تا به شما یاد دهد که چگونه با استفاده از Pyspark ، API Python Spark و سایر بهترین شیوه ها در برنامه نویسی Spark ، به مشکلات تحلیلی نزدیک شوید.دانشمندان داده Akash Tandon ، Sandy Ryza ، Uri Laserson ، Sean Owen و Josh Wills مقدمه ای را برای اکوسیستم Spark ارائه می دهند ، سپس به الگوهای اعمال می شوند که از تکنیک های مشترک استفاده می کنند-از جمله طبقه بندی ، فیلتر مشارکتی و تشخیص آنومالی-به مزارع مانند ژنومیک ، امنیت و امنیت.این نسخه به روز شده همچنین NLP و پردازش تصویر را در بر می گیرد.اگر درک اساسی از یادگیری و آمار ماشین دارید و در پایتون برنامه ریزی می کنید ، این کتاب شما را با تجزیه و تحلیل داده های در مقیاس بزرگ شروع می کند.خود را با مدل برنامه نویسی Spark و اکوسیستم یاد بگیرید که رویکردهای کلی در علوم داده را بیاموزید ، پیاده سازی های کاملی را که تجزیه و تحلیل مجموعه داده های عمومی عمومی را بررسی می کند ، کشف کنید که ابزارهای یادگیری ماشین برای مشکلات خاص معنا پیدا می کنند ، کد را کشف می کنند که می تواند با بسیاری از کاربردهای سازگار باشد