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: 1 نویسندگان: Alex Tellez, Max Pumperla, Michal Malohlava سری: ISBN (شابک) : 1785283456, 9781785283451 ناشر: Packt Publishing سال نشر: 2017 تعداد صفحات: 334 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب تسلط بر یادگیری ماشینی با Spark 2.x: از پتانسیل یادگیری ماشینی از طریق Spark استفاده کنید: یادگیری ماشینی، پردازش زبان طبیعی، درختهای تصمیم، تشخیص الگو، نمودارها، طبقهبندی، آپاچی اسپارک، نایو بیز، یادگیری گروهی، جفی، الگوریتمهای گراف، Spark GraphX، Spark MLlib، استخراج ویژگی، H2O، Spark GraphFrames، Spark Streaming , پردازش توزیع شده, word2vec
در صورت تبدیل فایل کتاب Mastering Machine Learning with Spark 2.x: Harness the potential of machine learning, through spark 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 یادگیری ماشینی با Spark 2.x: از پتانسیل یادگیری ماشینی از طریق Spark استفاده 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.
قفل پیچیدگی های الگوریتم های یادگیری ماشین در Spark را برای ایجاد بینش داده های مفید از طریق این آموزش تجزیه و تحلیل داده ها باز کنید. درباره این کتاب • داده های بزرگ را به روشی توزیع شده و مقیاس پذیر پردازش و تجزیه و تحلیل کنید • خطوط لوله اسپارک پیچیده ای را بنویسید که استخراج دقیق را در خود جای دهد • ساخت و استفاده از مدل های رگرسیون برای پیش بینی تاخیر پرواز این کتاب برای چه کسی است آیا شما توسعهدهندهای هستید که پیشینهای در یادگیری ماشین و آمار داشتهاید که با ابزارهای یادگیری ماشین آهسته و «دادههای کوچک» فعلی محدود شدهاید؟ پس این کتاب برای شما است! در این کتاب، شما برنامههای یادگیری ماشینی مقیاسپذیر را ایجاد میکنید تا با استفاده از Spark، یک کسبوکار مبتنی بر دادههای مدرن را تقویت کنید. ما فرض میکنیم که شما از قبل مفاهیم و الگوریتمهای یادگیری ماشین را میدانید و Spark را راهاندازی و اجرا میکنید (چه در یک کلاستر و چه به صورت محلی) و دانش پایهای از کتابخانههای مختلف موجود در Spark دارید. آنچه شما یاد خواهید گرفت • از جریان های Spark برای دسته بندی توییت ها به صورت آنلاین استفاده کنید • الگوریتم PageRank را برای محاسبه تأثیر کاربر اجرا کنید • دستکاری پیچیده DataFrames را با استفاده از Spark انجام دهید • خطوط لوله اسپارک را برای ایجاد تبدیل داده های فردی تعریف کنید • از مدل های تولید شده برای پیش بینی آفلاین/آنلاین استفاده کنید • انتقال یادگیری از یک مجموعه به یک شبکه عصبی ساده تر • ویژگی های اصلی نمودار و عملیات مهم نمودار را درک کنید • برای مطالعه نمودارها با استفاده از یک زبان پرس و جوی ظریف، از GraphFrames، یک فرمت DataFrames برای نمودارها استفاده کنید. • از الگوریتم K-means برای خوشه بندی مجموعه داده های نقد فیلم استفاده کنید در جزئیات هدف از یادگیری ماشینی ساختن سیستم هایی است که از داده ها یاد می گیرند. توانایی درک روندها و الگوها در داده های پیچیده برای موفقیت بسیار مهم است. این یکی از استراتژی های کلیدی برای باز کردن رشد در بازار چالش برانگیز معاصر امروز است. با افزایش چشمگیر یادگیری ماشین، توسعه دهندگان اکنون مشتاق هستند تا دریابند چگونه می توانند برنامه های Spark خود را هوشمندتر کنند. این کتاب به شما امکان می دهد تا داده ها را به دانش عملی تبدیل کنید. این کتاب با تعریف اصول اولیه یادگیری ماشین توسط کتابخانههای MLlib و H2O آغاز میشود. شما یاد خواهید گرفت که چگونه از طبقه بندی باینری برای تشخیص ذره بوزون هیگز در حجم عظیمی از داده های تولید شده توسط برخورد دهنده ذرات سرن و طبقه بندی فعالیت های بهداشتی روزانه با استفاده از روش های گروهی برای طبقه بندی چند طبقه استفاده کنید. در مرحله بعد، یک مشکل رگرسیون معمولی را حل می کنید که شامل پیش بینی تاخیر پرواز است و خطوط لوله اسپارک پیچیده ای را می نویسید. شما داده های توییتر را با کمک الگوریتم doc2vec و خوشه بندی K-means تجزیه و تحلیل خواهید کرد. در نهایت، شما با استفاده از MLlib مدلهای استخراج الگوی مختلفی را میسازید، با استفاده از Spark و Spark SQL دستکاری پیچیدهای در DataFrames انجام میدهید و برنامه خود را در یک محیط استریم Spark مستقر خواهید کرد. سبک و رویکرد این کتاب یک رویکرد عملی دارد تا به شما کمک کند تا با استفاده از Spark برای تجزیه و تحلیل و پیادهسازی الگوریتمهای یادگیری ماشینی آشنا شوید. ما از طریق مثال های گویا، کاربردهای پیشرفته یادگیری ماشینی را به شما آموزش خواهیم داد. این مثالها شما را مجهز میکنند تا از پتانسیل یادگیری ماشین، از طریق Spark، در انواع سیستمهای درجه یک سازمانی استفاده کنید.
Unlock the complexities of machine learning algorithms in Spark to generate useful data insights through this data analysis tutorial About This Book • Process and analyze big data in a distributed and scalable way • Write sophisticated Spark pipelines that incorporate elaborate extraction • Build and use regression models to predict flight delays Who This Book Is For Are you a developer with a background in machine learning and statistics who is feeling limited by the current slow and “small data” machine learning tools? Then this is the book for you! In this book, you will create scalable machine learning applications to power a modern data-driven business using Spark. We assume that you already know the machine learning concepts and algorithms and have Spark up and running (whether on a cluster or locally) and have a basic knowledge of the various libraries contained in Spark. What You Will Learn • Use Spark streams to cluster tweets online • Run the PageRank algorithm to compute user influence • Perform complex manipulation of DataFrames using Spark • Define Spark pipelines to compose individual data transformations • Utilize generated models for off-line/on-line prediction • Transfer the learning from an ensemble to a simpler Neural Network • Understand basic graph properties and important graph operations • Use GraphFrames, an extension of DataFrames to graphs, to study graphs using an elegant query language • Use K-means algorithm to cluster movie reviews dataset In Detail The purpose of machine learning is to build systems that learn from data. Being able to understand trends and patterns in complex data is critical to success; it is one of the key strategies to unlock growth in the challenging contemporary marketplace today. With the meteoric rise of machine learning, developers are now keen on finding out how can they make their Spark applications smarter. This book gives you access to transform data into actionable knowledge. The book commences by defining machine learning primitives by the MLlib and H2O libraries. You will learn how to use Binary classification to detect the Higgs Boson particle in the huge amount of data produced by CERN particle collider and classify daily health activities using ensemble Methods for Multi-Class Classification. Next, you will solve a typical regression problem involving flight delay predictions and write sophisticated Spark pipelines. You will analyze Twitter data with help of the doc2vec algorithm and K-means clustering. Finally, you will build different pattern mining models using MLlib, perform complex manipulation of DataFrames using Spark and Spark SQL, and deploy your app in a Spark streaming environment. Style and approach This book takes a practical approach to help you get to grips with using Spark for analytics and to implement machine learning algorithms. We'll teach you about advanced applications of machine learning through illustrative examples. These examples will equip you to harness the potential of machine learning, through Spark, in a variety of enterprise-grade systems.