Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 4 Stimmen.
Machine Learning with PySpark: With Natural Language Processing and Recommender Systems
Beherrschen Sie die neuen Funktionen in PySpark 3. 1, um datengesteuerte, intelligente Anwendungen zu entwickeln. Diese aktualisierte Ausgabe deckt Themen ab, die vom Aufbau skalierbarer Machine-Learning-Modelle über die Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen reichen.
Machine Learning with PySpark, Second Edition beginnt mit den Grundlagen von Apache Spark, einschließlich der neuesten Aktualisierungen des Frameworks. Anschließend lernen Sie das gesamte Spektrum traditioneller Algorithmen des maschinellen Lernens kennen, ebenso wie die Verarbeitung natürlicher Sprache und Empfehlungssysteme. Sie werden mit dem kritischen Prozess der Auswahl von Algorithmen für maschinelles Lernen, der Dateneingabe und der Datenverarbeitung zur Lösung von Geschäftsproblemen vertraut gemacht. Es wird demonstriert, wie überwachte Machine-Learning-Modelle wie lineare Regression, logistische Regression, Entscheidungsbäume und Random Forests erstellt werden. Sie lernen auch, wie Sie die Schritte mithilfe von Spark-Pipelines automatisieren können, gefolgt von unüberwachten Modellen wie K-Means und hierarchischem Clustering. Ein Abschnitt über die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) behandelt Textverarbeitung, Text Mining und Einbettungen für die Klassifizierung. Diese neue Ausgabe stellt auch Koalas in Spark vor und zeigt, wie man den Daten-Workflow mit Airflow und der neuesten ML-Bibliothek von PySpark automatisieren kann.
Nach Abschluss dieses Buches werden Sie verstehen, wie Sie die PySpark-Bibliothek für maschinelles Lernen nutzen können, um verschiedene maschinelle Lernmodelle zu erstellen und zu trainieren, zusammen mit verwandten Komponenten wie Datenaufnahme, -verarbeitung und -visualisierung, um datengesteuerte intelligente Anwendungen zu entwickeln.
Was Sie lernen werden:
⬤ Erstellen eines Spektrums von überwachten und nicht überwachten Algorithmen für maschinelles Lernen.
⬤ Die PySpark-Bibliothek für maschinelles Lernen nutzen, um maschinelles Lernen und Empfehlungssysteme zu implementieren.
⬤ Die neuen Funktionen der PySpark-Bibliothek für maschinelles Lernen zu nutzen.
⬤ Verstehen der Datenverarbeitung mit Koalas in Spark.
⬤ Umgang mit Problemen rund um Feature Engineering, Klassenbalance, Bias und Varianz sowie Kreuzvalidierung, um optimal passende Modelle zu erstellen.
Für wen ist dieses Buch gedacht?
Fachleute für Datenwissenschaft und maschinelles Lernen.
| ISBN: | 9781484277768 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 220 |
Derzeit verfügbar, auf Lager.
