Advanced Analytics with Spark

در ویرایش دوم این کتاب کاربردی، چهار دانشمند داده کلودرا مجموعه‌ای از الگوهای مستقل را برای انجام تجزیه و تحلیل داده‌ها در مقیاس بزرگ با اسپارک ارائه می‌کنند. نویسندگان Spark، روش‌های آماری و مجموعه‌های داده‌های دنیای واقعی را با هم می‌آورند تا به شما بیاموزند چگونه با مثال به مسائل تحلیلی نزدیک شوید. این نسخه که برای Spark 2.1 به‌روزرسانی شده است، به عنوان مقدمه‌ای بر این تکنیک‌ها و سایر بهترین روش‌ها در برنامه‌نویسی Spark عمل می‌کند.

شما با مقدمه‌ای از Spark و اکوسیستم آن شروع می‌کنید و سپس به الگوهایی می‌پردازید که رایج هستند. تکنیک‌ها - از جمله طبقه‌بندی، خوشه‌بندی، فیلتر کردن مشارکتی، و تشخیص ناهنجاری‌ها - در زمینه‌هایی مانند ژنومیک، امنیت، و امور مالی.

اگر درک سطحی از یادگیری ماشین و آمار دارید و در این زمینه برنامه‌ریزی می‌کنید. جاوا، پایتون یا اسکالا، الگوهای کتاب را برای کار بر روی برنامه های داده خود مفید خواهید یافت.

با این کتاب، می توانید:

In the second edition of this practical book, four Cloudera data scientists present a set of self-contained patterns for performing large-scale data analysis with Spark. The authors bring Spark, statistical methods, and real-world data sets together to teach you how to approach analytics problems by example. Updated for Spark 2.1, this edition acts as an introduction to these techniques and other best practices in Spark programming.

You'll start with an introduction to Spark and its ecosystem, and then dive into patterns that apply common techniques—including classification, clustering, collaborative filtering, and anomaly detection—to fields such as genomics, security, and finance.

If you have an entry-level understanding of machine learning and statistics, and you program in Java, Python, or Scala, you'll find the book's patterns useful for working on your own data applications.

With this book, you will: