ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Big Data Analytics

دانلود کتاب تجزیه و تحلیل داده های بزرگ

Big Data Analytics

مشخصات کتاب

Big Data Analytics

دسته بندی: پایگاه داده ها
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 1785884697, 9781785884696 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 325 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 45,000



کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های بزرگ: یادگیری ماشینی، تجزیه و تحلیل، داده‌های بزرگ، نمودارها، سیستم‌های توصیه‌کننده، آپاچی اسپارک، پردازش جریان، خطوط لوله، آپاچی کافکا، آپاچی هادوپ، ژوپیتر، اسپارک، گراف ایکس، اسپارک اس‌کی‌ال، آپاچی زپلین، اسپارک MLlib، مجموعه‌های داده توزیع‌شده انعطاف‌پذیر، Apache نخ، H2O، سیستم بلادرنگ



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب Big Data Analytics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل داده های بزرگ نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل داده های بزرگ

ویژگی های کلیدی • این کتاب بر اساس آخرین نسخه 2.0 آپاچی اسپارک و نسخه 2.7 Hadoop است که با ابزارهای رایج استفاده می شود. • همه اجزای پشته Spark را از جمله جدیدترین موضوعات مانند DataFrames، DataSets، GraphFrames، Structured Streaming، DataFrame based ML Pipelines و SparkR بیاموزید. • ادغام با چارچوب هایی مانند HDFS، YARN و ابزارهایی مانند Jupyter، Zeppelin، NiFi، Mahout، HBase Spark Connector، GraphFrames، H2O و Hivemall. توضیحات کتاب هدف کتاب تجزیه و تحلیل داده های بزرگ ارائه اصول اولیه Apache Spark و Hadoop است. همه اجزای Spark - Spark Core، Spark SQL، DataFrames، مجموعه داده‌ها، جریان معمولی، Structured Streaming، MLlib، Graphx و اجزای هسته Hadoop - HDFS، MapReduce و Yarn با مثال‌های پیاده‌سازی در کلاسترهای Spark + Hadoop با عمق بیشتری مورد بررسی قرار می‌گیرند. در حال دور شدن از MapReduce به Spark است. بنابراین، مزایای Spark نسبت به MapReduce در عمق زیادی توضیح داده شده است تا از مزایای سرعت درون حافظه بهره مند شوید. DataFrames API، Data Sources API و مجموعه داده جدید API برای ساخت برنامه های تحلیلی Big Data توضیح داده شده است. تجزیه و تحلیل داده های بلادرنگ با استفاده از Spark Streaming با Apache Kafka و HBase برای کمک به ساخت برنامه های استریم پوشش داده شده است. مفهوم جریان ساختار یافته جدید با یک مورد استفاده IOT (اینترنت اشیا) توضیح داده شده است. تکنیک های یادگیری ماشین با استفاده از MLLib، ML Pipelines و SparkR و Graph Analytics با اجزای GraphX ​​و GraphFrames Spark پوشش داده شده است. خوانندگان همچنین فرصتی برای شروع با نوت بوک های مبتنی بر وب مانند Jupyter، Apache Zeppelin و ابزار جریان داده Apache NiFi برای تجزیه و تحلیل و تجسم داده ها خواهند داشت. آنچه خواهید آموخت • پیدا کردن و پیاده سازی ابزارها و تکنیک های تجزیه و تحلیل داده های بزرگ با استفاده از Spark on Hadoop clusters با طیف گسترده ای از ابزارهای مورد استفاده با Spark و Hadoop • تمام اجزای اکوسیستم Hadoop و Spark را درک کنید • با تمام اجزای Spark آشنا شوید: Spark Core، Spark SQL، DataFrames، DataSets، Conventional and Structured Streaming، MLLib، ML Pipelines و Graphx • تجزیه و تحلیل داده‌های دسته‌ای و بی‌درنگ را با استفاده از Spark Core، Spark SQL، و جریان‌سازی متعارف و ساختار یافته مشاهده کنید • با استفاده از MLLib، ML Pipelines، H2O، Hivemall، Graphx، SparkR و Hivemall با علم داده و یادگیری ماشین آشنا شوید.


توضیحاتی درمورد کتاب به خارجی

Key Features • This book is based on the latest 2.0 version of Apache Spark and 2.7 version of Hadoop integrated with most commonly used tools. • Learn all Spark stack components including latest topics such as DataFrames, DataSets, GraphFrames, Structured Streaming, DataFrame based ML Pipelines and SparkR. • Integrations with frameworks such as HDFS, YARN and tools such as Jupyter, Zeppelin, NiFi, Mahout, HBase Spark Connector, GraphFrames, H2O and Hivemall. Book Description Big Data Analytics book aims at providing the fundamentals of Apache Spark and Hadoop. All Spark components – Spark Core, Spark SQL, DataFrames, Data sets, Conventional Streaming, Structured Streaming, MLlib, Graphx and Hadoop core components – HDFS, MapReduce and Yarn are explored in greater depth with implementation examples on Spark + Hadoop clusters. It is moving away from MapReduce to Spark. So, advantages of Spark over MapReduce are explained at great depth to reap benefits of in-memory speeds. DataFrames API, Data Sources API and new Data set API are explained for building Big Data analytical applications. Real-time data analytics using Spark Streaming with Apache Kafka and HBase is covered to help building streaming applications. New Structured streaming concept is explained with an IOT (Internet of Things) use case. Machine learning techniques are covered using MLLib, ML Pipelines and SparkR and Graph Analytics are covered with GraphX and GraphFrames components of Spark. Readers will also get an opportunity to get started with web based notebooks such as Jupyter, Apache Zeppelin and data flow tool Apache NiFi to analyze and visualize data. What you will learn • Find out and implement the tools and techniques of big data analytics using Spark on Hadoop clusters with wide variety of tools used with Spark and Hadoop • Understand all the Hadoop and Spark ecosystem components • Get to know all the Spark components: Spark Core, Spark SQL, DataFrames, DataSets, Conventional and Structured Streaming, MLLib, ML Pipelines and Graphx • See batch and real-time data analytics using Spark Core, Spark SQL, and Conventional and Structured Streaming • Get to grips with data science and machine learning using MLLib, ML Pipelines, H2O, Hivemall, Graphx, SparkR and Hivemall.



فهرست مطالب

1. Big Data Analytics at 10,000 foot view
2. Getting Started with Apache Hadoop and Apache Spark
3. Deep Dive into Apache Spark
4. Big Data Analytics with Spark SQL, DataFrames, and Datasets
5. Real-Time Analytics with Spark Streaming and Structured Streaming
6. Notebooks and Dataflows with Spark and Hadoop
7. Machine Learning with Spark and Hadoop
8. Building Recommendation Systems with Spark and Mahout
9. Graph Analytics with GraphX
10. Interactive Analytics with SparkR




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی