دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Scala guide for data science professionals
دانلود کتاب راهنمای اسکالا برای متخصصان علم داده
مشخصات کتاب
Scala guide for data science professionals
ویرایش: نویسندگان: Bugnion. Pascal, Manivannan. Arun, Nicolas. Patrick R سری: Learning Path ISBN (شابک) : 9781787281035, 1787281035 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: 29 مگابایت
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Scala guide for data science professionals 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 راهنمای اسکالا برای متخصصان علم داده 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 راهنمای اسکالا برای متخصصان علم داده
اسکالا ابزار ارزشمندی خواهد بود که در طول سفر علم داده شما برای همه چیز از تمیز کردن داده ها گرفته تا یادگیری ماشینی پیشرفته درباره این کتاب در دسترس خواهد بود. فرآیند -- از خواندن و جمع‌آوری داده‌ها تا تجزیه و تحلیل‌های توزیع‌شده طیف گسترده‌ای از پردازش داده‌ها، یادگیری ماشینی، و الگوریتم‌های ژنتیک را از طریق نمودارها، فرمول‌بندی‌های ریاضی و کد منبع کاوش کنید. برنامه نویسی اسکالا و اکنون می خواهید وارد حوزه علم داده شوید. انتظار می رود مقداری دانش از آمار. آنچه می آموزید انتقال و فیلتر کردن داده های جدولی برای استخراج ویژگی های یادگیری ماشینی خواندن، پاک کردن، تبدیل و نوشتن داده ها در پایگاه های داده SQL و NoSQL برنامه های وب Scala را ایجاد کنید که با کتابخانه های جاوا اسکریپت مانند D3 برای ایجاد تجسم های تعاملی متقاعد کننده ایجاد کنید. HDFS و HIVE با سهولت جریان و تجزیه و تحلیل گراف را در Spark برای تجزیه و تحلیل اکتشافی اجرا کنید و با استقرار آنها در مدیران خوشه‌ای، کارهای Spark را باندل و مقیاس‌بندی کنید. گردش‌های کاری پویا برای محاسبات علمی بسازید از کتابخانه‌های منبع باز برای استخراج الگوها از سری‌های زمانی مدل‌های احتمالی اصلی استفاده کنید. داده‌های متوالی در Detail Scala به ویژه برای تجزیه و تحلیل مجموعه‌های بزرگی از داده‌ها خوب است، زیرا مقیاس کار تأثیر قابل‌توجهی بر عملکرد ندارد. کتابخانه‌های کاربردی قدرتمند اسکالا می‌توانند با پایگاه‌های داده تعامل داشته باشند و چارچوب‌های مقیاس‌پذیر بسازند - که منجر به ایجاد خطوط لوله داده قوی می‌شود. ماژول اول شما را با کتابخانه های اسکالا برای جذب، ذخیره، دستکاری، پردازش و تجسم داده ها آشنا می کند. با استفاده از مثال‌های دنیای واقعی، یاد خواهید گرفت که چگونه معماری مقیاس‌پذیر برای پردازش و مدل‌سازی داده‌ها طراحی کنید - از ساختارهای همزمان ساده و پیشرفت به سیستم‌های بازیگر و Apache Spark. پس از این، نحوه ساخت تجسم های تعاملی با چارچوب های وب را نیز یاد خواهید گرفت. هنگامی که با تمام وظایف مربوط به علم داده آشنا شدید، تجزیه و تحلیل داده ها را با Scala در ماژول دوم بررسی خواهید کرد. خواهید دید که چگونه می توان از Scala برای درک داده ها از طریق دستور العمل های ساده استفاده کرد. شما در مورد اتصالات بوکه برای تجزیه و تحلیل داده های اکتشافی و یادگیری ماشینی اساسی با الگوریتم ها با کتابخانه Spark ML آشنا خواهید شد. شما درک کافی از جریان اسپارک، یادگیری ماشینی برای پخش ...
توضیحاتی درمورد کتاب به خارجی
Scala will be a valuable tool to have on hand during your data science journey for everything from data cleaning to cutting-edge machine learning About This Book Build data science and data engineering solutions with ease An in-depth look at each stage of the data analysis process -- from reading and collecting data to distributed analytics Explore a broad variety of data processing, machine learning, and genetic algorithms through diagrams, mathematical formulations, and source code Who This Book Is For This learning path is perfect for those who are comfortable with Scala programming and now want to enter the field of data science. Some knowledge of statistics is expected. What You Will Learn Transfer and filter tabular data to extract features for machine learning Read, clean, transform, and write data to both SQL and NoSQL databases Create Scala web applications that couple with JavaScript libraries such as D3 to create compelling interactive visualizations Load data from HDFS and HIVE with ease Run streaming and graph analytics in Spark for exploratory analysis Bundle and scale up Spark jobs by deploying them into a variety of cluster managers Build dynamic workflows for scientific computing Leverage open source libraries to extract patterns from time series Master probabilistic models for sequential data In Detail Scala is especially good for analyzing large sets of data as the scale of the task doesn't have any significant impact on performance. Scala's powerful functional libraries can interact with databases and build scalable frameworks -- resulting in the creation of robust data pipelines. The first module introduces you to Scala libraries to ingest, store, manipulate, process, and visualize data. Using real world examples, you will learn how to design scalable architecture to process and model data -- starting from simple concurrency constructs and progressing to actor systems and Apache Spark. After this, you will also learn how to build interactive visualizations with web frameworks. Once you have become familiar with all the tasks involved in data science, you will explore data analytics with Scala in the second module. You'll see how Scala can be used to make sense of data through easy to follow recipes. You will learn about Bokeh bindings for exploratory data analysis and quintessential machine learning with algorithms with Spark ML library. You'll get a sufficient understanding of Spark streaming, machine learning for streaming ...
