دانلود کتاب Data Analysis with Python and PySpark

درباره داده‌ها بزرگ فکر کنید! PySpark موتور قدرتمند پردازش داده‌های بزرگ Spark را به اکوسیستم پایتون می‌آورد؛ به این ترتیب می‌توانید کارهای داده‌ای خود را به‌راحتی گسترش دهید و پایپ‌لاین‌هایی با سرعت بالا بسازید.

در کتاب «تجزیه و تحلیل داده‌ها با پایتون و PySpark» یاد می‌گیرید چگونه:

• داده‌های خود را با رشد و گسترش آن‌ها در چندین ماشین مدیریت کنید

• برنامه‌های داده‌ای را با اعتمادبه‌نفس بیشتر گسترش دهید

• داده‌ها را از و به انواع مختلفی از منابع و قالب‌ها بخوانید و بنویسید

• با داده‌های شلوغ و نامرتب با استفاده از قابلیت‌های دستکاری داده در PySpark کنار بیایید

• مجموعه‌داده‌های جدید را کشف کنید و تحلیل اکتشافی داده انجام دهید

• پایپ‌لاین‌های خودکار بسازید که داده را تبدیل، خلاصه و از آن بینش استخراج می‌کنند

• خطاهای رایج PySpark را عیب‌یابی کنید

• شغل‌ها/کارهای مطمئن و قابل‌اتکای طولانی‌مدت ایجاد کنید

«تجزیه و تحلیل داده‌ها با پایتون و PySpark» راهنمای شما برای تحویل پروژه‌های موفق مبتنی بر پایتونِ داده‌محور است. این کتاب پر از نمونه‌های مرتبط و تکنیک‌های ضروری است و به شما یاد می‌دهد چگونه پایپ‌لاین‌هایی برای گزارش‌دهی، یادگیری ماشین و دیگر کارهای مبتنی بر داده طراحی کنید. تمرین‌های کوتاه در هر فصل به شما کمک می‌کند آموخته‌هایتان را تمرین کنید و خیلی سریع شروع کنید PySpark را در سیستم‌های داده‌ای خود به کار بگیرید. برای شروع، هیچ دانش قبلی از Spark لازم نیست.

درباره فناوری

موتور پردازش داده Spark مثل یک کارخانه شگفت‌انگیز تحلیل عمل می‌کند: داده‌های خام وارد می‌شوند و بینش بیرون می‌آید. PySpark موتور اصلی Spark را با یک رابط برنامه‌نویسی مبتنی بر پایتون پوشش می‌دهد. این کار شیب یادگیری تند Spark را ساده‌تر می‌کند و این ابزار قدرتمند را برای هر کسی که در اکوسیستم داده‌ای پایتون کار می‌کند در دسترس قرار می‌دهد.

درباره کتاب

«تجزیه و تحلیل داده‌ها با پایتون و PySpark» کمک می‌کند چالش‌های روزمره علم داده را با PySpark حل کنید. یاد می‌گیرید چگونه توان پردازش خود را در چندین ماشین گسترش دهید، در حالی که داده را از هر منبعی دریافت می‌کنید؛ خواه خوشه‌های Hadoop، ذخیره‌سازی داده مبتنی بر ابر، یا فایل‌های داده محلی. بعد از اینکه مبانی را پوشش دادید، با ساخت پایپ‌لاین‌های یادگیری ماشین و ترکیب کدهای پایتون، pandas و PySpark، انعطاف‌پذیری کامل PySpark را بررسی خواهید کرد.

داخل کتاب

• سازمان‌دهی کدهای PySpark

• مدیریت داده، صرف‌نظر از حجم آن

• گسترش برنامه‌های داده‌ای با اعتمادبه‌نفس کامل

• عیب‌یابی مشکلات رایج پایپ‌لاین‌های داده

• ساخت کارهای طولانی‌مدت قابل‌اعتماد

درباره مخاطب

این کتاب برای دانشمندان داده و مهندسان داده نوشته شده که با پایتون راحت هستند.

درباره نویسنده

Jonathan Rioux به‌عنوان مدیر بخش یادگیری ماشین در یک شرکت نرم‌افزاری داده‌محور، هر روز از PySpark استفاده می‌کند. او به دانشمندان داده، مهندسان و تحلیل‌گران کسب‌وکارِ اهل داده آموزش می‌دهد.