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 Spark for Data Science

دانلود کتاب جرقه برای علم داده

Spark for Data Science

مشخصات کتاب

Spark for Data Science

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1785885650, 9781785885655 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 339 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

قیمت کتاب (تومان) : 50,000



کلمات کلیدی مربوط به کتاب جرقه برای علم داده: داده کاوی، پایگاه داده و کلان داده، کامپیوتر و فناوری



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Spark for Data Science 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 جرقه برای 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 جرقه برای علم داده



داده‌های خود را تجزیه و تحلیل کنید و با جدیدترین نسخه Spark، 2.0، عمیقاً در دنیای یادگیری ماشین کاوش کنید

درباره این کتاب

  • Perform تجزیه و تحلیل داده ها و ساخت مدل های پیش بینی بر روی مجموعه داده های عظیمی که از Apache Spark استفاده می کنند
  • یادگیری ادغام الگوریتم ها و تکنیک های علم داده با ویژگی های محاسباتی سریع و مقیاس پذیر Spark برای مقابله با چالش های کلان داده
  • Work از طریق مثال‌های عملی در مورد مشکلات دنیای واقعی با نمونه‌های کد نمونه

این کتاب برای چه کسی است

این کتاب برای هر کسی است که می‌خواهد از Apache Spark برای علم داده و علم داده استفاده کند. فراگیری ماشین. اگر فن‌آوری هستید که می‌خواهید دانش خود را برای انجام عملیات علم داده در Spark گسترش دهید، یا دانشمند داده‌ای هستید که می‌خواهد نحوه پیاده‌سازی الگوریتم‌ها در Spark را درک کند، یا یک تازه‌کار با حداقل تجربه توسعه که می‌خواهد درباره تجزیه و تحلیل داده‌های بزرگ بیاموزد، این کتاب برای شماست!

آنچه خواهید آموخت

  • اطلاعات به دست آمده از منابع داده های مختلف را ادغام، پاکسازی و تغییر شکل دهید
  • انجام تجزیه و تحلیل آماری داده‌ها برای یافتن بینش‌های پنهان
  • تکنیک‌های گرافیکی را کاوش کنید تا ببینید داده‌های شما چگونه به نظر می‌رسند
  • از تکنیک‌های یادگیری ماشین برای ساخت مدل‌های پیش‌بینی‌کننده استفاده کنید
  • ساخت محصولات داده مقیاس‌پذیر و راه حل ها
  • شروع برنامه نویسی با استفاده از API های RDD، DataFrame و Dataset
  • با بهبود مهارت های تحلیل داده های خود متخصص شوید

در جزئیات

این دوران کلان داده است. کلمات Big Data به معنای نوآوری بزرگ است و مزیت رقابتی را برای مشاغل ایجاد می کند. Apache Spark برای انجام تجزیه و تحلیل داده های بزرگ در مقیاس طراحی شده است، بنابراین Spark به الگوریتم های لازم مجهز است و از چندین زبان برنامه نویسی پشتیبانی می کند.

چه یک فناور، دانشمند داده یا مبتدی به Big Data باشید. تجزیه و تحلیل، این کتاب تمام مهارت های لازم برای انجام تجزیه و تحلیل داده های آماری، تجسم داده ها، مدل سازی پیش بینی، و ساخت محصولات یا راه حل های داده مقیاس پذیر با استفاده از Python، Scala، و R را در اختیار شما قرار می دهد.

با مطالعات موردی فراوان. و نمونه های دنیای واقعی، Spark for Data Science به شما کمک می کند تا از اجرای موفقیت آمیز پروژه های علم داده خود اطمینان حاصل کنید.

سبک و رویکرد

این کتاب یک رویکرد گام به گام دارد. به تجزیه و تحلیل آماری و یادگیری ماشینی می‌پردازد و به سبک محاوره‌ای و آسان برای دنبال کردن توضیح داده شده است. هر موضوع به صورت متوالی با تمرکز بر مبانی و همچنین مفاهیم پیشرفته الگوریتم ها و تکنیک ها توضیح داده می شود. نمونه‌های دنیای واقعی با قطعه کد نمونه نیز گنجانده شده است.


توضیحاتی درمورد کتاب به خارجی

Analyze your data and delve deep into the world of machine learning with the latest Spark version, 2.0

About This Book

  • Perform data analysis and build predictive models on huge datasets that leverage Apache Spark
  • Learn to integrate data science algorithms and techniques with the fast and scalable computing features of Spark to address big data challenges
  • Work through practical examples on real-world problems with sample code snippets

Who This Book Is For

This book is for anyone who wants to leverage Apache Spark for data science and machine learning. If you are a technologist who wants to expand your knowledge to perform data science operations in Spark, or a data scientist who wants to understand how algorithms are implemented in Spark, or a newbie with minimal development experience who wants to learn about Big Data Analytics, this book is for you!

What You Will Learn

  • Consolidate, clean, and transform your data acquired from various data sources
  • Perform statistical analysis of data to find hidden insights
  • Explore graphical techniques to see what your data looks like
  • Use machine learning techniques to build predictive models
  • Build scalable data products and solutions
  • Start programming using the RDD, DataFrame and Dataset APIs
  • Become an expert by improving your data analytical skills

In Detail

This is the era of Big Data. The words Big Data implies big innovation and enables a competitive advantage for businesses. Apache Spark was designed to perform Big Data analytics at scale, and so Spark is equipped with the necessary algorithms and supports multiple programming languages.

Whether you are a technologist, a data scientist, or a beginner to Big Data analytics, this book will provide you with all the skills necessary to perform statistical data analysis, data visualization, predictive modeling, and build scalable data products or solutions using Python, Scala, and R.

With ample case studies and real-world examples, Spark for Data Science will help you ensure the successful execution of your data science projects.

Style and approach

This book takes a step-by-step approach to statistical analysis and machine learning, and is explained in a conversational and easy-to-follow style. Each topic is explained sequentially with a focus on the fundamentals as well as the advanced concepts of algorithms and techniques. Real-world examples with sample code snippets are also included.





نظرات کاربران