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 Learning Spark SQL

دانلود کتاب یادگیری Spark SQL

Learning Spark SQL

مشخصات کتاب

Learning Spark SQL

دسته بندی: سیستم های اطلاعاتی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1785888358, 9781785888359 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت 

قیمت کتاب (تومان) : 35,000



کلمات کلیدی مربوط به کتاب یادگیری Spark SQL: مدل‌سازی و طراحی داده، پایگاه‌های داده و داده‌های بزرگ، رایانه‌ها و فناوری، داده‌کاوی، پایگاه‌های داده و داده‌های بزرگ، رایانه‌ها و فناوری، پردازش داده، پایگاه‌های داده و داده‌های بزرگ، رایانه‌ها و فناوری



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Learning Spark SQL 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 یادگیری Spark SQL 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 یادگیری Spark SQL



ویژگی های کلیدی

  • درباره طراحی و اجرای برنامه های کاربردی جریان، خطوط لوله یادگیری ماشین، یادگیری عمیق و برنامه های پردازش گراف در مقیاس بزرگ با استفاده از Spark SQL API و Scala بیاموزید.
  • کاوش داده، حذف داده‌ها، و نحوه پردازش داده‌های ساختاریافته و نیمه‌ساختار یافته با استفاده از مجموعه داده‌های دنیای واقعی را بیاموزید و با مسائل و چالش‌های کار با داده‌های پر سر و صدا و \"کثیف\" دنیای واقعی آشنا شوید. .
  • درک ملاحظات طراحی برای مقیاس‌پذیری و عملکرد در معماری‌های کاربردی Spark در مقیاس وب.

توضیحات کتاب

در سال گذشته، Apache Spark به طور فزاینده ای برای توسعه برنامه های کاربردی توزیع شده پذیرفته شده است. Spark SQL API یک رابط بهینه سازی شده را ارائه می دهد که به توسعه دهندگان کمک می کند چنین برنامه هایی را سریع و آسان بسازند. با این حال، طراحی برنامه های تولید در مقیاس وب با استفاده از Spark SQL API می تواند یک کار پیچیده باشد. از این رو، درک بهترین شیوه‌های طراحی و پیاده‌سازی قبل از شروع پروژه به شما کمک می‌کند از این مشکلات اجتناب کنید.

این کتاب بینشی از شیوه‌های مهندسی مورد استفاده برای طراحی و ساخت برنامه‌های کاربردی مبتنی بر Spark در دنیای واقعی ارائه می‌دهد. . مثال‌های عملی کتاب به شما اعتماد به نفس لازم را می‌دهد تا روی پروژه‌های آینده‌ای که در Spark SQL با آن مواجه می‌شوید کار کنید.

این کار با آشنایی شما با وظایف کاوش داده و داده‌ها با استفاده از Spark SQL و Scala آغاز می‌شود. مثال‌های کد گسترده به شما در درک روش‌های مورد استفاده برای پیاده‌سازی موارد استفاده معمول برای انواع مختلف برنامه‌ها کمک می‌کند. در ادامه مفاهیم و اصطلاحات کلیدی که در استریمینگ، یادگیری ماشینی و برنامه‌های گراف رایج است، به دست خواهید آورد. شما همچنین خواهید آموخت که چگونه چنین سیستم هایی برای تحویل موفقیت آمیز پروژه شما طراحی و مستقر می شوند. در نهایت، به تنظیم عملکرد می‌پردازید، جایی که نکات و ترفندهای عملی برای حل مشکلات عملکرد را یاد می‌گیرید.

آنچه یاد خواهید گرفت

  • با برنامه‌نویسی Spark SQL آشنا شوید. از جمله کار با DataFrame/Dataset API و SQL.
  • یک سری تمرینات عملی را با انواع مختلف منبع داده از جمله CSV، JSON، Avro، MySQL، و MongoDB انجام دهید.
  • بررسی‌های کیفیت داده، تجسم داده‌ها، و کارهای تجزیه و تحلیل آماری اولیه را انجام دهید.
  • کارهای جمع‌آوری داده‌ها را روی مجموعه داده‌های در دسترس عموم انجام دهید.
  • استفاده از Spark SQL و SparkR را برای کارهای معمولی علم داده بیاموزید.
  • نکات کلیدی تنظیم عملکرد و ترفندها را در برنامه‌های Spark SQL بیاموزید
  • بیاموزید مواردی را که Spark SQL می‌تواند در معماری‌های برنامه در مقیاس بزرگ استفاده شود، شناسایی کنید.

توضیحاتی درمورد کتاب به خارجی

Key Features

  • Learn about the design and implementation of streaming applications, machine learning pipelines, deep learning, and large-scale graph processing applications using Spark SQL APIs and Scala.
  • Learn data exploration, data munging, and how to process structured and semi-structured data using real-world datasets and gain hands-on exposure to the issues and challenges of working with noisy and "dirty" real-world data.
  • Understand design considerations for scalability and performance in web-scale Spark application architectures.

Book Description

In the past year, Apache Spark has been increasingly adopted for the development of distributed applications. Spark SQL APIs provide an optimized interface that helps developers build such applications quickly and easily. However, designing web-scale production applications using Spark SQL APIs can be a complex task. Hence, understanding the design and implementation best practices before you start your project will help you avoid these problems.

This book gives an insight into the engineering practices used to design and build real-world, Spark-based applications. The book's hands-on examples will give you the required confidence to work on any future projects you encounter in Spark SQL.

It starts by familiarizing you with data exploration and data munging tasks using Spark SQL and Scala. Extensive code examples will help you understand the methods used to implement typical use-cases for various types of applications. You will get a walkthrough of the key concepts and terms that are common to streaming, machine learning, and graph applications. You will also learn how such systems are architected and deployed for a successful delivery of your project. Finally, you will move on to performance tuning, where you will learn practical tips and tricks to resolve performance issues.

What you will learn

  • Familiarize yourself with Spark SQL programming including working with DataFrame/Dataset API and SQL.
  • Perform a series of hands-on exercises with different types of data source including CSV, JSON, Avro, MySQL, and MongoDB.
  • Perform data quality checks, data visualization, and basic statistical analysis tasks.
  • Perform data munging tasks on publically available datasets.
  • Learn to use Spark SQL and SparkR for typical data science tasks.
  • Learn key performance-tuning tips and tricks in Spark SQL applications
  • Learn to identify cases where Spark SQL can be used in large-scale application architectures.




نظرات کاربران