توضیحات
Leverage machine and deep learning models to build applications on real-time data using PySpark. This book is perfect for those who want to learn to use this language to perform exploratory data analysis and solve an array of business challenges.
You’ll start by reviewing PySpark fundamentals, such as Sparks core architecture, and see how to use PySpark for big data processing like data ingestion, cleaning, and transformations techniques. This is followed by building workflows for analyzing streaming data using PySpark and a comparison of various streaming platforms.
You’ll then see how to schedule different spark jobs using Airflow with PySpark and book examine tuning machine and deep learning models for real-time predictions. This book concludes with a discussion on graph frames and performing network analysis using graph algorithms in PySpark. All the code presented in the book will be available in Python scripts on Github.
What You’ll Learn
- Develop pipelines for streaming data processing using PySpark
- Build Machine Learning & Deep Learning models using PySpark latest offerings
- Use graph analytics using PySpark
- Create Sequence Embeddings from Text data
Who This Book is For
Data Scientists, machine learning and deep learning engineers who want to learn and use PySpark for real time analysis on streaming data.
————————————————————–
ترجمه ماشینی :
از مدلهای یادگیری عمیق و ماشینی برای ایجاد برنامههای کاربردی بر روی دادههای همزمان با استفاده از PySpark استفاده کنید. این کتاب برای کسانی که میخواهند استفاده از این زبان را برای انجام تجزیه و تحلیل دادههای اکتشافی و حل مجموعهای از چالشهای تجاری بیاموزند عالی است.
شما با مرور اصول PySpark، مانند معماری هسته Sparks، شروع میکنید و نحوه استفاده را مشاهده میکنید. PySpark برای پردازش داده های بزرگ مانند تکنیک های جذب داده، تمیز کردن و تبدیل. این امر با ایجاد گردش کار برای تجزیه و تحلیل داده های جریان با استفاده از PySpark و مقایسه پلت فرم های مختلف جریان دنبال می شود.
سپس خواهید دید که چگونه با استفاده از Airflow با PySpark کارهای مختلف جرقه را برنامه ریزی کنید و کتاب بررسی ماشین تنظیم و مدل های یادگیری عمیق برای پیش بینی های بلادرنگ انجام دهید. این کتاب با بحث در مورد فریم های گراف و انجام تحلیل شبکه با استفاده از الگوریتم های گراف در PySpark به پایان می رسد. تمام کدهای ارائه شده در کتاب در اسکریپت های پایتون در Github در دسترس خواهد بود.
آنچه یاد خواهید گرفت
- توسعه خطوط لوله برای پردازش جریانی داده ها با استفاده از PySpark
- ساخت مدلهای یادگیری ماشین و یادگیری عمیق با استفاده از آخرین پیشنهادات PySpark
- استفاده از تجزیه و تحلیل نمودار با استفاده از PySpark
- ایجاد دنباله جاسازیها از دادههای متنی
این کتاب برای چ
tag : دانلود کتاب PySpark را یاد بگیرید. ساخت مدلهای یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون , Download PySpark را یاد بگیرید. ساخت مدلهای یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون , دانلود PySpark را یاد بگیرید. ساخت مدلهای یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون , Download Learn PySpark. Build Python-based Machine Learning and Deep Learning Models Book , PySpark را یاد بگیرید. ساخت مدلهای یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون دانلود , buy PySpark را یاد بگیرید. ساخت مدلهای یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون , خرید کتاب PySpark را یاد بگیرید. ساخت مدلهای یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون , دانلود کتاب Learn PySpark. Build Python-based Machine Learning and Deep Learning Models , کتاب Learn PySpark. Build Python-based Machine Learning and Deep Learning Models , دانلود Learn PySpark. Build Python-based Machine Learning and Deep Learning Models , خرید Learn PySpark. Build Python-based Machine Learning and Deep Learning Models , خرید کتاب Learn PySpark. Build Python-based Machine Learning and Deep Learning Models ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.