Ocena:
Książka zapewnia podstawowy przegląd koncepcji Microsoft Azure i DevOps, ale wielu użytkowników uważa, że brakuje jej głębi i najlepszych praktyk. Podejście skoncentrowane na Javie utrudnia czytelnikom z DotNet w pełni zaangażować się w materiał. Wykorzystanie zrzutów ekranu i formatu przypominającego samouczek jest postrzegane zarówno jako mocna, jak i słaba strona.
Zalety:⬤ Dobrze napisana
⬤ łatwa do naśladowania dla doświadczonych programistów
⬤ dobry przegląd Microsoft Azure PaaS
⬤ obejmuje ciągłą integrację i ciągłe dostarczanie
⬤ praktyczna z wieloma zrzutami ekranu
⬤ niektórzy czytelnicy uznali ją za przydatną dla początkujących.
⬤ Nie dogłębne zgłębienie tematów
⬤ skupienie się na Javie może zrazić programistów DotNet
⬤ brak pokrycia najlepszych praktyk
⬤ treść może wydawać się powierzchowna
⬤ przede wszystkim służy jako przewodnik, a nie kompleksowy przewodnik.
(na podstawie 7 opinii czytelników)
Implementing DevOps with Microsoft Azure: Automate your deployments and incorporate the DevOps culture
Twórz skalowalne aplikacje uczenia maszynowego, aby zasilać nowoczesny biznes oparty na danych za pomocą Spark 2.x
Kluczowe cechy
⬤ Poznaj najnowszą wersję Apache Spark.
⬤ Wykorzystanie biblioteki uczenia maszynowego Spark do wdrożenia analityki predykcyjnej.
⬤ Wykorzystaj potężne narzędzia Spark do ładowania, analizowania, czyszczenia i przekształcania danych.
Opis książki
Z tej książki dowiesz się o popularnych algorytmach uczenia maszynowego i ich implementacji. Dowiesz się, jak różne koncepcje uczenia maszynowego są implementowane w kontekście Spark ML. Zaczniesz od zainstalowania Sparka w klastrze jedno- i wielowęzłowym. Następnie zobaczysz, jak wykonywać programy oparte na Scali i Pythonie dla Spark ML. Następnie weźmiemy kilka zestawów danych i zagłębimy się w klastrowanie, klasyfikację i regresję. Pod koniec omówimy również przetwarzanie tekstu przy użyciu Spark ML.
Po zapoznaniu się z koncepcjami, można je zastosować do implementacji algorytmów w implementacjach typu green-field lub do migracji istniejących systemów na tę nową platformę. Istnieje możliwość migracji z Mahout lub Scikit do Spark ML.
Pod koniec tej książki zdobędziesz umiejętności wykorzystania funkcji Sparka do tworzenia własnych skalowalnych aplikacji uczenia maszynowego i zasilania nowoczesnego biznesu opartego na danych.
Czego się nauczysz
⬤ Poznaj najnowszą wersję Spark ML.
⬤ Stworzyć swój pierwszy program Spark w językach Scala i Python.
⬤ Skonfigurować środowisko programistyczne dla Sparka na własnym komputerze, a także na Amazon EC2.
⬤ Uzyskać dostęp do publicznych zbiorów danych uczenia maszynowego i używać Sparka do ładowania, przetwarzania, czyszczenia i przekształcania danych.
⬤ Wykorzystanie biblioteki uczenia maszynowego Spark do implementacji programów wykorzystujących dobrze znane modele uczenia maszynowego.
⬤ Radzenie sobie z danymi tekstowymi na dużą skalę, w tym ekstrakcja cech i wykorzystywanie danych tekstowych jako danych wejściowych do modeli uczenia maszynowego.
⬤ Pisanie funkcji Spark w celu oceny wydajności modeli uczenia maszynowego.
Dla kogo jest ta książka
Jeśli masz podstawową wiedzę na temat uczenia maszynowego i chcesz wdrożyć różne koncepcje uczenia maszynowego w kontekście Spark ML, ta książka jest dla Ciebie. Powinieneś dobrze znać języki Scala i Python.
