دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 2 نویسندگان: Romeo Kienzler سری: ISBN (شابک) : 1786462745, 9781786462749 ناشر: Packt Publishing سال نشر: 2017 تعداد صفحات: 345 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
کلمات کلیدی مربوط به کتاب تسلط بر Apache Spark 2.x سیستم های یادگیری ماشینی و یادگیری عمیق خود را با SparkML، DeepLearning4j و H2O مقیاس کنید.: رایانش ابری، یادگیری ماشین، شبکههای عصبی، یادگیری عمیق، نمودارها، طبقهبندی، خوشهبندی، Apache Spark، Spark ML، مهندسی ویژگی، پردازش جریان، خطوط لوله، Apache Hadoop، Naive Bayes، HDFS، Kubernetes، Spark GraphX، Spark SQL، Spark , Apache Mesos, Apache YARN, Catalyst Optimizer, Project Tungsten, Kaggle, Apache SystemML, DeepLearning4j, H2O, Spark GraphFrames
در صورت تبدیل فایل کتاب Mastering Apache Spark 2.x Scale your machine learning and deep learning systems with SparkML, DeepLearning4j and H2O 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 تسلط بر Apache Spark 2.x سیستم های یادگیری ماشینی و یادگیری عمیق خود را با SparkML، DeepLearning4j و H2O مقیاس کنید. 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.
تجزیه و تحلیل پیشرفته در Big Data خود با آخرین Apache Spark 2.x درباره این کتاب راهنمای پیشرفته با ترکیبی از دستورالعملها و مثالهای عملی برای گسترش بهروزترین قابلیتهای Spark. با استفاده از مفاهیم پیشرفته در Spark، قابلیتهای پردازش دادههای خود را برای پردازش حجم عظیمی از دادهها در حداقل زمان گسترش دهید. با کمک Apache Spark 2.x بر هنر پردازش بلادرنگ مسلط شوید این کتاب برای چه کسی است اگر توسعهدهندهای هستید که تجربهای با Spark دارید و میخواهید دانش خود را در مورد نحوه گردش در دنیای Spark تقویت کنید، این کتاب برای شما ایدهآل است. دانش پایه لینوکس، هدوپ و اسپارک فرض شده است. دانش معقول از Scala انتظار می رود. آنچه شما یاد خواهید گرفت • یادگیری ماشین پیشرفته و DeepLearning را با MLlib، SparkML، SystemML، H2O و DeepLearning4J بررسی کنید • با استفاده از SparkSQL و جریان ساختاریافته، پردازش دادههای گروهی و بیدرنگ بهینهسازی شده را مطالعه کنید. • پردازش و تحلیل گراف در مقیاس بزرگ را با استفاده از GraphX و GraphFrames ارزیابی کنید • استفاده از Apache Spark در استقرار Elastic با استفاده از نوتبوکهای Jupyter و Zeppelin، Docker، Kubernetes و IBM Cloud • جزئیات داخلی بهینه سازهای مبتنی بر هزینه مورد استفاده در Catalyst، SystemML و GraphFrames را درک کنید • بیاموزید که چگونه تنظیمات پارامتر خاص بر عملکرد کلی یک خوشه اسپارک آپاچی تأثیر می گذارد • از Scala، R و python برای پروژه های علم داده خود استفاده کنید در جزئیات آپاچی اسپارک یک سیستم پردازش موازی مبتنی بر خوشه در حافظه است که طیف گسترده ای از قابلیت ها مانند پردازش گراف، یادگیری ماشین، پردازش جریانی و SQL را ارائه می دهد. هدف این کتاب این است که دانش شما را در مورد Spark بگیرد
Advanced analytics on your Big Data with latest Apache Spark 2.x About This Book An advanced guide with a combination of instructions and practical examples to extend the most up-to date Spark functionalities. Extend your data processing capabilities to process huge chunk of data in minimum time using advanced concepts in Spark. Master the art of real-time processing with the help of Apache Spark 2.x Who This Book Is For If you are a developer with some experience with Spark and want to strengthen your knowledge of how to get around in the world of Spark, then this book is ideal for you. Basic knowledge of Linux, Hadoop and Spark is assumed. Reasonable knowledge of Scala is expected. What You Will Learn • Examine Advanced Machine Learning and DeepLearning with MLlib, SparkML, SystemML, H2O and DeepLearning4J • Study highly optimised unified batch and real-time data processing using SparkSQL and Structured Streaming • Evaluate large-scale Graph Processing and Analysis using GraphX and GraphFrames • Apply Apache Spark in Elastic deployments using Jupyter and Zeppelin Notebooks, Docker, Kubernetes and the IBM Cloud • Understand internal details of cost based optimizers used in Catalyst, SystemML and GraphFrames • Learn how specific parameter settings affect overall performance of an Apache Spark cluster • Leverage Scala, R and python for your data science projects In Detail Apache Spark is an in-memory cluster-based parallel processing system that provides a wide range of functionalities such as graph processing, machine learning, stream processing, and SQL. This book aims to take your knowledge of Spark