Zaawansowana analiza danych w PySpark. Metody przetwarzania informacji na szeroką skalę z wykorzysta książka papierowa

Potrzeby w zakresie analizy dużych zbioró,w danych i wyciągania z nich użytecznych informacji stale rosną. Spośró,d dostępnych narzędzi przeznaczonych do tych zastosowań szczegó,lnie przydatny jest PySpark - interfejs API systemu Spark dla języka Python. Apache Spark świetnie się nadaje do analizy dużych zbioró,w 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.

Oto praktyczny przewodnik po wersji 3.0 systemu Spark, metodach statystycznych i rzeczywistych zbiorach danych. Omó,wiono w nim zasady rozwiązywania problemó,w 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 systemó,w IT i finansach. Dodatkowym plusem są opisy wykorzystania przetwarzania obrazó,w i języka naturalnego. Zaletą jest też szereg rzeczywistych przykładó,w dużych zbioró,w danych i ich zaawansowanej analizy.

Dzięki książce poznasz:

• model programowania w ekosystemie Spark
• podstawowe metody stosowane w nauce o danych
• pełne implementacje analiz dużych publicznych zbioró,w danych
• konkretne przypadki użycia narzędzi uczenia maszynowego
• kod, któ,ry łatwo dostosujesz do swoich potrzeb

PySpark: systemowa odpowiedź na problemy inżyniera danych!