MENU
Książki po angielsku
  1. Strona główna
  2. Książki
  3. Książki obcojęzyczne
  4. Książki obcojęzyczne - nauki ścisłe i przyrodnicze
  5. Learning PySpark
PWN wspiera profesjonalistów

Learning PySpark

(Książka)

Build data-intensive applications locally and deploy at scale using the combined powers of Python and Spark 2.0

0.00  [ 0 ocen ]
 Dodaj recenzję
Rozwiń szczegóły »
Najniższa cena z 30 dni: 242,35 zł
Cena produktu

Cena katalogowa – rynkowa cena produktu, często jest drukowana przez wydawcę na książce.

Najniższa cena z 30 dni – najniższa cena sprzedaży produktu w księgarni z ostatnich 30 dni, obowiązująca przed zmianą ceny.

Wszystkie ceny, łącznie z ceną sprzedaży, zawierają podatek VAT.

269,28
zł
Dodaj do schowka
Dostępność: 3-5 dni
Towar na zamówienie
Dostawa i płatność
Termin wysyłki
- Zamów z DPD (kurier lub punkty) do 19:30, a Twoją paczkę wysyłamy jeszcze dziś i dostarczymy jutro!
- Dotyczy dni roboczych (poniedziałek-piątek, z bez dni wolnych od pracy) oraz towarów dostępnych w magazynie.
- Pozostałe zamówienia realizujemy w terminie deklarowanym na stronie produktu.
- Czas oczekiwania na zamówienie = wysyłka + dostawa przez przewoźnika.
Dostawa i płatność
- Paczki dostarczamy wyłącznie na terenie Polski; od 299 zł dostawa GRATIS!
- Dla zamówień o wartości powyżej 500 zł wyłącznie płatność elektroniczna.


Przedpłata (Przelewy24)
do 299 zł
od 299 zł
Dostawa 
- Kurier DPD
12,49 zł
0 zł
1 dzień
- Odbiór w punktach DPD
10,99 zł
0 zł
1 dzień
- InPost Paczkomaty 24/7
13,99 zł
0 zł
1 dzień
- ORLEN Paczka
9,99 zł
0 zł
1 dzień
- Odbiór w Punktach Poczta, Żabka
10,99 zł
0 zł
2 dni
- Pocztex
11,99 zł
0 zł
2 dni
- Odbiór w księgarni PWN
0 zł
0 zł
2-3 dni

Pobranie
do 299 zł
od 299 zł
Dostawa 
- Kurier DPD
16,49 zł
0 zł
1 dzień
- Odbiór w Punktach Poczta, Żabka
14,99 zł
0 zł
1-2 dni
- Pocztex
15,99 zł
0 zł
2 dni

Learning PySpark

Build data-intensive applications locally and deploy at scale using the combined powers of Python and Spark 2.0


Key Features:

  • Learn why and how you can efficiently use Python to process data and build machine learning models in Apache Spark 2.0
  • Develop and deploy efficient, scalable real-time Spark solutions
  • Take your understanding of using Spark with Python to the next level with this jump start guide


Book Description:

Apache Spark is an open source framework for efficient cluster computing with a strong interface for data parallelism and fault tolerance. This book will show you how to leverage the power of Python and put it to use in the Spark ecosystem. You will start by getting a firm understanding of the Spark 2.0 architecture and how to set up a Python environment for Spark.


You will get familiar with the modules available in PySpark. You will learn how to abstract data with RDDs and DataFrames and understand the streaming capabilities of PySpark. Also, you will get a thorough overview of machine learning capabilities of PySpark using ML and MLlib, graph processing using GraphFrames, and polyglot persistence using Blaze. Finally, you will learn how to deploy your applications to the cloud using the spark-submit command.


By the end of this book, you will have established a firm understanding of the Spark Python API and how it can be used to build data-intensive applications.


What You Will Learn:

  • Learn about Apache Spark and the Spark 2.0 architecture
  • Build and interact with Spark DataFrames using Spark SQL
  • Learn how to solve graph and deep learning problems using GraphFrames and TensorFrames respectively
  • Read, transform, and understand data and use it to train machine learning models
  • Build machine learning models with MLlib and ML
  • Learn how to submit your applications programmatically using spark-submit
  • Deploy locally built applications to a cluster


Who this book is for:

If you are a Python developer who wants to learn about the Apache Spark 2.0 ecosystem, this book is for you. A firm understanding of Python is expected to get the best out of the book. Familiarity with Spark would be useful, but is not mandatory.

  • Sposób dostarczenia produktu fizycznego
    Sposoby i terminy dostawy:
    • Kurier DPD - dostawa 1 dzień roboczy
    • Punkty odbioru DPD - dostawa 1 dzień roboczy
    • InPost Paczkomaty 24/7 - dostawa 1 dzień roboczy
    • ORLEN Paczka - dostawa 1 dzień roboczy
    • Odbiór w Punktach Poczta, Żabka - dostawa 2 dni robocze
    • Pocztex (dostawa do domu lub pracy) - dostawa 2 dni robocze
    • Odbiór osobisty w księgarni PWN - dostawa 2-3 dni robocze
    Ważne informacje:
    Czas oczekiwania na zamówiony towar = czas wysyłki produktu + dostawa przez przewoźnika
    • Całkowity czas oczekiwania na realizację zamówienia jest sumą czasu wysyłki podanej na stronie każdego produktu oraz czasu potrzebnego przewoźnikowi na dostarczenie paczki. Podane terminy dotyczą zawsze dni roboczych (od poniedziałku do piątku, z wyłączeniem dni wolnych od pracy).
    • Wysyłkę zamówień prowadzimy jedynie na terenie Polski.
    • Dostawa do Księgarni PWN, punktów ORLEN Paczka, stacji Orlen, sklepów Żabka oraz Paczkomatów InPost nie jest realizowana dla zamówień z płatnością przy odbiorze.
    • Cena towaru na fakturze VAT jest podwyższona o ewentualny koszt transportu.
    • W przypadku zamówienia kilku towarów koszt przesyłki wybranej przez Klienta zostanie podzielony i przyporządkowany proporcjonalnie do cen kupionych produktów.
    • Produkty dostępne w PRZEDSPRZEDAŻY wysyłane są po dacie premiery wydawniczej.
NAZWA I FORMAT
OPIS
ROZMIAR

Przeczytaj fragment

Inni Klienci oglądali również

- 30 %
48,16 zł
69,00 zł
do koszyka

Zaawansowana analiza danych w PySpark. Metody przetwarzania informacji na szeroką skalę z wykorzystaniem Pythona i systemu Spark
Potrzeby w zakresie analizy dużych zbiorów danych i wyciągania z nich użytecznych informacji stale rosną. Spośród dostępnych narzędzi przeznaczonych do tych zastosowań szczególnie przydatny jest PySpark - interfejs API ...
- 30 %
53,66 zł
77,00 zł
do koszyka

Deep Learning Praca z językiem R i biblioteką Keras
W ostatnich latach byliśmy świadkami ogromnego postępu technik sztucznej inteligencji, uczenia maszynowego oraz uczenia głębokiego. Konsekwencje tego błyskawicznego rozwoju są odczuwalne w niemal każdej dziedzinie. Wydaje się, że to jedna z tych techno...
- 27 %
34,29 zł
47,25 zł
do koszyka

Selected Model Based Architectures and Algorithms for Learning, Signal Processing and Optimization
The book is a collection of scientific works presenting the diversity of researchconducted in the discipline of Technical Computer Science by researchers fromWrocław University of Science and Technology. It aims to familiarize the wider aca...
- 37 %
19,63 zł
31,00 zł
do koszyka

Very Hungry Caterpillar Little Learning Library
A little library slipcase with board books featuring Eric Carle's much loved collage artworks and introducing first concepts: Numbers, Words, Colours and Animal Noises.
84,05 zł
do koszyka

High Performance Learning
High Performance Learning is written for managers and training professionals. For managers, High Performance Learning will assist you in ensuring that your team gets the most out of internal and external training courses and e-learning programs to hel...
270,89 zł
do koszyka

Learning R Programming
Become an efficient data scientist with RKey FeaturesExplore the R language from basic types and data structures to advanced topicsLearn how to tackle programming pr...
78,93 zł
do koszyka

Machine Learning for Beginners
Learn Machine Learning, Deep Learning, Data Science and More!Machine learning is here; it is changing the world in ways you might not know yet. From search engines ...
252,12 zł
do koszyka

Universal Design for Learning
In the 1990s, Anne Meyer, David Rose, and their colleagues at CAST introduced universal design for learning (UDL), a framework to improve teaching and learning. Based on new insights from the learning sciences and creative uses of digital technologi...
266,28 zł
do koszyka

MACHINE LEARNING
Data handling has became intelligent and straightforward in the age of information science. There are various instruments, techniques and methods proposed for this purpose. We used various data science algorithms, such as KNN (k-nearest neighbor), whic...

Recenzje

Nikt nie dodał jeszcze recenzji. Bądź pierwszy!