توضیحات
Data is getting bigger, arriving faster, and coming in varied formats and it all needs to be processed at scale for analytics or machine learning. How can you process such varied data workloads efficiently? Enter Apache Spark.
Updated to emphasize new features in Spark 2.x., this second edition shows data engineers and scientists why structure and unification in Spark matters. Specifically, this book explains how to perform simple and complex data analytics and employ machine-learning algorithms. Through discourse, code snippets, and notebooks, youll be able to:
Learn Python, SQL, Scala, or Java high-level APIs: DataFrames and Datasets
Peek under the hood of the Spark SQL engine to understand Spark transformations and performance
Inspect, tune, and debug your Spark operations with Spark configurations and Spark UI
Connect to data sources: JSON, Parquet, CSV, Avro, ORC, Hive, S3, or Kafka
Perform analytics on batch and streaming data using Structured Streaming
Build reliable data pipelines with open source Delta Lake and Spark
Develop machine learning pipelines with MLlib and productionize models using MLflow
Use open source Pandas framework Koalas and Spark for data transformation and feature engineering
————————————————————–
ترجمه ماشینی :
دادهها بزرگتر میشوند، سریعتر میرسند و در قالبهای متنوعی میآیند و همه باید در مقیاس برای تجزیه و تحلیل یا یادگیری ماشین پردازش شوند. چگونه می توانید چنین حجم کاری داده های متنوعی را به طور موثر پردازش کنید؟ وارد آپاچی اسپارک شوید. برای تأکید بر ویژگی های جدید در Spark 2.x به روز شده است، این ویرایش دوم به مهندسان داده و دانشمندان نشان می دهد که چرا ساختار و یکپارچگی در Spark اهمیت دارد. به طور خاص، این کتاب نحوه انجام تجزیه و تحلیل داده های ساده و پیچیده و به کارگیری الگوریتم های یادگیری ماشینی را توضیح می دهد. از طریق گفتمان، تکههای کد و نوتبوکها، میتوانید: APIهای سطح بالای Python، SQL، Scala، یا جاوا را بیاموزید: DataFrames و Datasets زیر کلاه موتور Spark SQL نگاه کنید تا تغییرات و عملکرد Spark را بفهمید بازرسی ، عملیات Spark خود را با پیکربندیهای Spark و Spark UI اتصال به منابع داده: JSON، Parquet، CSV، Avro، ORC، Hive، S3 یا Kafka، تنظیم و اشکالزدایی کنید. خطوط لوله داده با منبع باز Delta Lake و Spark توسعه خطوط لوله یادگیری ماشین با MLlib و تولید مدل ها با استفاده از MLflow استفاده از چارچوب Pandas منبع باز Koalas و Spark برای تبدیل داده ها و مهندسی ویژگی ها
tag : دانلود کتاب Learning Spark: Lightning-Fast Data Analytics , Download Learning Spark: Lightning-Fast Data Analytics , دانلود Learning Spark: Lightning-Fast Data Analytics , Download Learning Spark: Lightning-Fast Data Analytics Book , Learning Spark: Lightning-Fast Data Analytics دانلود , buy Learning Spark: Lightning-Fast Data Analytics , خرید کتاب Learning Spark: Lightning-Fast Data Analytics , دانلود کتاب Learning Spark: Lightning-Fast Data Analytics , کتاب Learning Spark: Lightning-Fast Data Analytics , دانلود Learning Spark: Lightning-Fast Data Analytics , خرید Learning Spark: Lightning-Fast Data Analytics , خرید کتاب Learning Spark: Lightning-Fast Data Analytics ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.