Bewertung:
Das Buch bietet einen grundlegenden Überblick über Microsoft Azure und DevOps-Konzepte, aber viele Benutzer finden, dass es an Tiefe und Best Practices mangelt. Der Java-zentrierte Ansatz macht es Lesern mit DotNet-Hintergrund schwer, sich voll auf das Material einzulassen. Die Verwendung von Screenshots und ein tutorielles Format werden sowohl als Stärke als auch als Schwäche angesehen.
Vorteile:⬤ Gut geschrieben
⬤ leicht verständlich für erfahrene Programmierer
⬤ guter Überblick über Microsoft Azure PaaS
⬤ deckt Continuous Integration und Continuous Delivery ab
⬤ praktisch mit vielen Screenshots
⬤ einige Leser fanden es nützlich für Anfänger.
⬤ Kein tiefes Eintauchen in die Themen
⬤ Java-zentrierter Fokus könnte DotNet-Entwickler abschrecken
⬤ fehlende Abdeckung von Best Practices
⬤ Inhalt könnte sich oberflächlich anfühlen
⬤ dient in erster Linie als Durchgang und nicht als umfassende Anleitung.
(basierend auf 7 Leserbewertungen)
Implementing DevOps with Microsoft Azure: Automate your deployments and incorporate the DevOps culture
Erstellen Sie skalierbare Anwendungen für maschinelles Lernen, um ein modernes datengesteuertes Unternehmen mit Spark 2.x zu betreiben.
Hauptmerkmale
⬤ Machen Sie sich mit der neuesten Version von Apache Spark vertraut.
⬤ Nutzen Sie die Bibliothek für maschinelles Lernen von Spark, um prädiktive Analysen zu implementieren.
⬤ Nutzen Sie die leistungsstarken Tools von Spark, um Ihre Daten zu laden, zu analysieren, zu bereinigen und zu transformieren.
Buchbeschreibung
Dieses Buch vermittelt Ihnen Kenntnisse über gängige Algorithmen des maschinellen Lernens und deren Implementierung. Sie werden lernen, wie verschiedene Konzepte des maschinellen Lernens im Kontext von Spark ML implementiert werden. Sie beginnen mit der Installation von Spark in einem Single- und Multinode-Cluster. Als Nächstes werden Sie sehen, wie Sie Scala- und Python-basierte Programme für Spark ML ausführen können. Dann nehmen wir einige Datensätze und vertiefen Clustering, Klassifizierung und Regression. Gegen Ende werden wir auch die Textverarbeitung mit Spark ML behandeln.
Sobald Sie die Konzepte erlernt haben, können Sie diese anwenden, um Algorithmen entweder auf der grünen Wiese zu implementieren oder um bestehende Systeme auf diese neue Plattform zu migrieren. Sie können von Mahout oder Scikit zu Spark ML migrieren.
Am Ende dieses Buches werden Sie die Fähigkeiten erwerben, die Funktionen von Spark zu nutzen, um Ihre eigenen skalierbaren Machine-Learning-Anwendungen zu erstellen und ein modernes datengesteuertes Unternehmen zu betreiben.
(Was Sie lernen werden)
⬤ Machen Sie sich mit der neuesten Version von Spark ML vertraut.
⬤ Erstellen Sie Ihr erstes Spark-Programm mit Scala und Python.
⬤ Einrichten und Konfigurieren einer Entwicklungsumgebung für Spark auf Ihrem eigenen Computer sowie auf Amazon EC2.
⬤ Zugriff auf öffentliche Machine-Learning-Datensätze und Verwendung von Spark zum Laden, Verarbeiten, Bereinigen und Transformieren von Daten.
⬤ Verwenden Sie die Bibliothek für maschinelles Lernen von Spark, um Programme unter Verwendung bekannter Modelle für maschinelles Lernen zu implementieren.
⬤ Umgang mit großen Textdaten, einschließlich Merkmalsextraktion und Verwendung von Textdaten als Eingabe für Ihre maschinellen Lernmodelle.
⬤ Schreiben Sie Spark-Funktionen, um die Leistung Ihrer maschinellen Lernmodelle zu bewerten.
Für wen ist dieses Buch gedacht?
Wenn Sie über grundlegende Kenntnisse des maschinellen Lernens verfügen und verschiedene Konzepte des maschinellen Lernens im Kontext von Spark ML implementieren möchten, ist dieses Buch für Sie geeignet. Sie sollten sich mit den Sprachen Scala und Python gut auskennen.
| ISBN: | 9781787127029 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
