توضیحات
Apache Spark’s speed, ease of use, sophisticated analytics, and multilanguage support makes practical knowledge of this cluster-computing framework a required skill for data engineers and data scientists. With this hands-on guide, anyone looking for an introduction to Spark will learn practical algorithms and examples using PySpark.
In each chapter, author Mahmoud Parsian shows you how to solve a data problem with a set of Spark transformations and algorithms. You’ll learn how to tackle problems involving ETL, design patterns, machine learning algorithms, data partitioning, and genomics analysis. Each detailed recipe includes PySpark algorithms using the PySpark driver and shell script.
With this book, you will:
Learn how to select Spark transformations for optimized solutions
Explore powerful transformations and reductions including reduceByKey(), combineByKey(), and mapPartitions()
Understand data partitioning for optimized queries
Build and apply a model using PySpark design patterns
Apply motif-finding algorithms to graph data
Analyze graph data by using the GraphFrames API
Apply PySpark algorithms to clinical and genomics data
Learn how to use and apply feature engineering in ML algorithms
Understand and use practical and pragmatic data design patterns
————————————————————–
ترجمه ماشینی :
سرعت Apache Spark، سهولت استفاده، تجزیه و تحلیل پیچیده، و پشتیبانی چند زبانه، دانش عملی این چارچوب محاسباتی خوشهای را برای مهندسان داده و دانشمندان داده به یک مهارت ضروری تبدیل میکند. با این راهنمای عملی، هر کسی که به دنبال معرفی Spark باشد، الگوریتمها و مثالهای عملی را با استفاده از PySpark خواهد آموخت. در هر فصل، نویسنده محمود پارسیان به شما نشان می دهد که چگونه یک مسئله داده را با مجموعه ای از تبدیل ها و الگوریتم های Spark حل کنید. شما یاد خواهید گرفت که چگونه با مشکلات مربوط به ETL، الگوهای طراحی، الگوریتم های یادگیری ماشین، پارتیشن بندی داده ها و تجزیه و تحلیل ژنومیک مقابله کنید. هر دستورالعمل دقیق شامل الگوریتم های PySpark با استفاده از درایور PySpark و اسکریپت پوسته است. با این کتاب، میتوانید: نحوه انتخاب تبدیلهای Spark برای راهحلهای بهینهشده را بیاموزید تبدیلها و کاهشهای قدرتمند از جمله ()reducByKey()، combinationByKey() و mapPartitions() درک پارتیشن بندی دادهها برای پرس و جوهای بهینه شده ساخت و اعمال یک مدل با استفاده از الگوهای طراحی PySpark اعمال الگوریتمهای موتیفیابی در دادههای نمودار تجزیه و تحلیل دادههای نمودار با استفاده از GraphFrames API اعمال الگوریتمهای PySpark برای دادههای بالینی و ژنومیک نحوه استفاده و کاربرد مهندسی ویژگی در الگوریتمهای ML درک و استفاده کاربردی و کاربردی الگوهای طراحی داده های عملی
tag : دانلود کتاب الگوریتم های داده با Spark: دستور العمل ها و الگوهای طراحی برای افزایش مقیاس با استفاده از PySpark , Download الگوریتم های داده با Spark: دستور العمل ها و الگوهای طراحی برای افزایش مقیاس با استفاده از PySpark , دانلود الگوریتم های داده با Spark: دستور العمل ها و الگوهای طراحی برای افزایش مقیاس با استفاده از PySpark , Download Data Algorithms with Spark: Recipes and Design Patterns for Scaling Up using PySpark Book , الگوریتم های داده با Spark: دستور العمل ها و الگوهای طراحی برای افزایش مقیاس با استفاده از PySpark دانلود , buy الگوریتم های داده با Spark: دستور العمل ها و الگوهای طراحی برای افزایش مقیاس با استفاده از PySpark , خرید کتاب الگوریتم های داده با Spark: دستور العمل ها و الگوهای طراحی برای افزایش مقیاس با استفاده از PySpark , دانلود کتاب Data Algorithms with Spark: Recipes and Design Patterns for Scaling Up using PySpark , کتاب Data Algorithms with Spark: Recipes and Design Patterns for Scaling Up using PySpark , دانلود Data Algorithms with Spark: Recipes and Design Patterns for Scaling Up using PySpark , خرید Data Algorithms with Spark: Recipes and Design Patterns for Scaling Up using PySpark , خرید کتاب Data Algorithms with Spark: Recipes and Design Patterns for Scaling Up using PySpark ,

نقد و بررسیها
هنوز بررسیای ثبت نشده است.