دانلود کتاب تجزیه و تحلیل پیشرفته با PySpark: الگوهایی برای یادگیری از داده ها در مقیاس با استفاده از Python و Spark بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Advanced Analytics with PySpark: Patterns for Learning from Data at Scale Using Python and Spark
ویرایش : 1 ed.
عنوان ترجمه شده به فارسی : تجزیه و تحلیل پیشرفته با PySpark: الگوهایی برای یادگیری از داده ها در مقیاس با استفاده از Python و Spark
سری :
نویسندگان : Akash Tandon, Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills
ناشر : O'Reilly Media
سال نشر : 2022
تعداد صفحات : 233
ISBN (شابک) : 1098103653 , 9781098103651
زبان کتاب : English
فرمت کتاب : epub درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 8 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
میزان داده هایی که امروزه تولید می شود خیره کننده و در حال رشد است. آپاچی اسپارک به عنوان ابزاری واقعی برای تجزیه و تحلیل کلان داده ها ظهور کرده است و اکنون بخش مهمی از جعبه ابزار علم داده است. این راهنمای عملی که برای Spark 3.0 بهروزرسانی شده است، Spark، روشهای آماری، و مجموعه دادههای دنیای واقعی را گرد هم میآورد تا به شما بیاموزد چگونه با استفاده از PySpark، Spark's Python API و سایر بهترین روشها در برنامهنویسی Spark به مسائل تحلیلی نزدیک شوید.
دانشمندان داده آکاش تاندون، سندی رایزا، اوری لیزرسون، شان اوون و جاش ویلز مقدمه ای بر اکوسیستم اسپارک ارائه می دهند، سپس به الگوهایی می پردازند که تکنیک های رایج از جمله طبقه بندی را به کار می برند. ، خوشه بندی، فیلتر مشارکتی و تشخیص ناهنجاری در زمینه هایی مانند ژنومیک، امنیت و امور مالی. این نسخه به روز شده NLP و پردازش تصویر را نیز پوشش می دهد.
اگر درک اولیه ای از یادگیری ماشین و آمار دارید و در پایتون برنامه نویسی می کنید، این کتاب شما را با تجزیه و تحلیل داده در مقیاس بزرگ شروع می کند.
The amount of data being generated today is staggering and growing. Apache Spark has emerged as the de facto tool to analyze big data and is now a critical part of the data science toolbox. Updated for Spark 3.0, this practical guide brings together Spark, statistical methods, and real-world datasets to teach you how to approach analytics problems using PySpark, Spark's Python API, and other best practices in Spark programming.
Data scientists Akash Tandon, Sandy Ryza, Uri Laserson, Sean Owen, and Josh Wills offer an introduction to the Spark ecosystem, then dive into patterns that apply common techniques-including classification, clustering, collaborative filtering, and anomaly detection, to fields such as genomics, security, and finance. This updated edition also covers NLP and image processing.
If you have a basic understanding of machine learning and statistics and you program in Python, this book will get you started with large-scale data analysis.