Uczenie maszynowe z PySpark: Przetwarzanie języka naturalnego i systemy rekomendacji

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.

Oryginalny tytuł:

Machine Learning with PySpark: With Natural Language Processing and Recommender Systems

Zawartość książki:

Poznaj nowe funkcje PySpark 3. 1 do tworzenia inteligentnych aplikacji opartych na danych. To zaktualizowane wydanie obejmuje tematy od budowania skalowalnych modeli uczenia maszynowego, przez przetwarzanie języka naturalnego, po systemy rekomendacji.

Machine Learning with PySpark, Second Edition rozpoczyna się od podstaw Apache Spark, w tym najnowszych aktualizacji frameworka. Następnie poznasz pełne spektrum implementacji tradycyjnych algorytmów uczenia maszynowego, wraz z przetwarzaniem języka naturalnego i systemami rekomendacji. Zapoznasz się z krytycznym procesem wyboru algorytmów uczenia maszynowego, pozyskiwania danych i ich przetwarzania w celu rozwiązywania problemów biznesowych. Zobaczysz, jak budować nadzorowane modele uczenia maszynowego, takie jak regresja liniowa, regresja logistyczna, drzewa decyzyjne i lasy losowe. Dowiesz się również, jak zautomatyzować te kroki za pomocą potoków Spark, a następnie modeli bez nadzoru, takich jak K-średnich i hierarchiczne grupowanie. Sekcja poświęcona przetwarzaniu języka naturalnego (NLP) obejmuje przetwarzanie tekstu, eksplorację tekstu i osadzanie klasyfikacji. Nowa edycja wprowadza również Koalas w Spark i jak zautomatyzować przepływ danych za pomocą Airflow i najnowszej biblioteki ML PySpark.

Po ukończeniu tej książki zrozumiesz, jak korzystać z biblioteki uczenia maszynowego PySpark do budowania i trenowania różnych modeli uczenia maszynowego, wraz z powiązanymi komponentami, takimi jak pozyskiwanie, przetwarzanie i wizualizacja danych, w celu tworzenia inteligentnych aplikacji opartych na danych.

Czego się nauczysz:

⬤ Budować spektrum nadzorowanych i nienadzorowanych algorytmów uczenia maszynowego.

⬤ Wykorzystywać bibliotekę uczenia maszynowego PySpark do implementacji systemów uczenia maszynowego i systemów rekomendacji.

⬤ Wykorzystanie nowych funkcji biblioteki uczenia maszynowego PySpark.

⬤ Zrozumienie przetwarzania danych przy użyciu Koalas w Spark.

⬤ Poradzić sobie z kwestiami związanymi z inżynierią cech, równowagą klas, odchyleniem i wariancją oraz walidacją krzyżową w celu zbudowania optymalnie dopasowanych modeli.

Dla kogo jest ta książka

Specjaliści zajmujący się nauką o danych i uczeniem maszynowym.