Zaawansowana analiza danych w PySpark

Opis produktu:

<p> </p><p> </p><p>Potrzeby w zakresie analizy dużych zbiorów danych i wyciągania z nich użytecznych informacji stale rosną. Spośród dostępnych narzędzi przeznaczonych do tych zastosowań szczególnie przydatny jest PySpark - interfejs API systemu Spark dla języka Python. Apache Spark świetnie się nadaje do analizy dużych zbiorów danych, a PySpark skutecznie ułatwia integrację Sparka ze specjalistycznymi narzędziami PyData. By jednak można było w pełni skorzystać z tych możliwości, konieczne jest zrozumienie interakcji między algorytmami, zbiorami danych i wzorcami używanymi w analizie danych.</p><p> </p><p>Oto praktyczny przewodnik po wersji 3.0 systemu Spark, metodach statystycznych i rzeczywistych zbiorach danych. Omówiono w nim zasady rozwiązywania problemów analitycznych za pomocą interfejsu PySpark, z wykorzystaniem dobrych praktyk programowania w systemie Spark. Po lekturze można bezproblemowo zagłębić się we wzorce analityczne oparte na popularnych technikach przetwarzania danych, takich jak klasyfikacja, grupowanie, filtrowanie i wykrywanie anomalii, stosowane w genomice, bezpieczeństwie systemów IT i finansach. Dodatkowym plusem są opisy wykorzystania przetwarzania obrazów i języka naturalnego. Zaletą jest też szereg rzeczywistych przykładów dużych zbiorów danych i ich zaawansowanej analizy.</p><p> </p><p>Dzięki książce poznasz:</p><p> </p><p> model programowania w ekosystemie Spark</p><p> podstawowe metody stosowane w nauce o danych</p><p> pełne implementacje analiz dużych publicznych zbiorów danych</p><p> konkretne przypadki użycia narzędzi uczenia maszynowego</p><p> kod, który łatwo dostosujesz do swoich potrzeb</p><p> </p><p>PySpark: systemowa odpowiedź na problemy inżyniera danych!</p><p> </p>