Spark數據分析：基於Python語言
［澳］ 傑夫瑞·艾文（Jeffrey Aven） 著
- 出版商: 機械工業
- 出版日期: 2019-04-01
- 定價: $414
- 售價: 8.5 折 $352
- 語言: 簡體中文
- ISBN: 7111622723
- ISBN-13: 9787111622727
-
相關分類:
Spark、Data Science
- 此書翻譯自: Data Analytics with Spark Using Python (Addison-Wesley Data & Analytics Series)
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
.jpg)
Python + Spark 2.0 + Hadoop 機器學習與大數據分析實戰$680$530 -
$294PySpark 實戰指南 : 利用 Python 和 Spark 構建數據密集型應用並規模化部署 (Learning PySpark) -
$311深度實踐Spark機器學習 -
Spark 2.x 大數據分析與機器學習實戰$650$553 -
$454Docker 技術入門與實戰, 3/e -
實用深度學習$360$353 -
$505Spark 全棧數據分析 -
$454Spark 實時大數據分析 : 基於 Spark Streaming 框架 -
Web API 建構與設計 (Designing Web APIs: Building APIs That Developers Love)$480$379 -
唯一串流大數據處理平台 - Apache Kafka 動手做$580$493 -
Python 最強入門邁向數據科學之路 -- 王者歸來 (火力加強版)$799$599 -
$327Spark Streaming 實時流式大數據處理實戰 -
$305Python Docker 實戰 (Practical Docker with Python: Build, Release and Distribute your Python App with Docker) -
NumPy 高速運算徹底解說 - 六行寫一隻程式？你真懂深度學習？手工算給你看！$750$638 -
$354混沌工程實戰 手把手教你實現系統穩定性 -
圖解 TCP/IP 網路通訊協定 (涵蓋IPv6)(2021修訂版)$620$490 -
超端新世代網路概論, 2/e$560$476 -
$505Hadoop + Spark + Python 大數據處理從算法到實戰 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$663 -
網頁設計丙級檢定學術科解題教本｜111年啟用試題$420$332 -
人工智慧, 2/e$580$522 -
使用 GitOps 實現 Kubernetes 的持續部署：模式、流程及工具$714$678 -
$414Python大數據分析Big Data Analysis with Python -
寫程式前的必學工具：命令列、編輯器、Git/GitHub，軟體開發三本柱一次搞定$490$417 -
AI 超神筆記術：NotebookLM 高效資料整理與分析 250技$480$379
相關主題
商品描述
本書介紹了使用Spark及其擴展、子項目，以及更廣的生態系統所需的所有知識，並使用常用而且直觀的PySpark開發環境提供了編程示例。本書專註於Python語言，廣大的數據從業人員、分析師和開發人員，即使幾乎沒有Hadoop或Spark經驗，也可以輕松上手。
本書包括從Spark基本編程到高級編程，再到Spark SQL和機器學習的廣泛內容。你會學到如何使用Spark高效管理各種形式的數據：流式數據、結構化數據、半結構化數據，還有非結構化數據。
本書內容
• 理解Spark在大數據和Hadoop生態圈中不斷發展的角色
• 使用各種部署模式創建Spark集群，並實現控制和優化
• 掌握Spark Core的RDD API編程技術，並使用高級的API平臺結構（包括共享變量、RDD存儲、分區等）擴展、加速和優化Spark執行
• 高效地將SQL和非關系型數據存儲與Spark集成
• 使用Spark Streaming和Apache Kafka處理流式數據和消息
• 使用SparkR和Spark MLlib實現預測建模
本書包括從Spark基本編程到高級編程，再到Spark SQL和機器學習的廣泛內容。你會學到如何使用Spark高效管理各種形式的數據：流式數據、結構化數據、半結構化數據，還有非結構化數據。
本書內容
• 理解Spark在大數據和Hadoop生態圈中不斷發展的角色
• 使用各種部署模式創建Spark集群，並實現控制和優化
• 掌握Spark Core的RDD API編程技術，並使用高級的API平臺結構（包括共享變量、RDD存儲、分區等）擴展、加速和優化Spark執行
• 高效地將SQL和非關系型數據存儲與Spark集成
• 使用Spark Streaming和Apache Kafka處理流式數據和消息
• 使用SparkR和Spark MLlib實現預測建模
