實戰機器學習｜使用Spark(電子書)

Rajdeep Dua, Manpreet Singh Ghotra, Nick

May 2018 · 碁峰資訊股份有限公司

About this ebook

學習熱門的機器學習演算法

本書介紹熱門的機器學習演算法及其實作方式。你將會了解如何在Spark ML這套開發框架之內，實作各種機器學習概念。首先，我們會帶你在單一節點與多重節點的運算叢集上，完成Spark的安裝工作；接著，說明如何執行以Scala和Python語言撰寫的Spark ML程式；然後以幾套資料集為範例，深入探索分群、分類與迴歸；最後，利用Spark ML來處理文字資料。

打造可以應用於工作中的機器學習程式

弄懂概念之後，便可運用來實作演算法，可能是從頭開始，或是將既有的系統轉移到這個新平台，像是從Mahout或Scikit轉移到Spark ML。當你讀完本書之時，應該能夠善加運用Spark，打造可以應用於工作中的機器學習程式。

本書將帶您：

．實際動手嘗試最新版的Spark ML

．以Scala與Python語言撰寫Spark程式

．在本機以及Amazon ECS雲端平台上，安裝並設置Spark開發環境

．取用公開的機器學習資料集，使用Spark進行資料的載入、處理、清理與轉換等動作

．處理巨量的文字資料，包括特徵萃取，並使用文字資料作為輸入餵給機器學習模型

．撰寫Spark函式，評估機器學習模型的表現能力

#碁峰資訊 GOTOP Information Inc.

About the author

 Rajdeep Dua

曾服務於Google的大數據工具推廣團隊，如BigQuery；曾在VMware公司的開發人員技術傳播小組工作，致力於大數據平台Greenplum，也與Spark移植團隊緊密合作，加入功能集合，把Spark移植到VMware的公開雲和私有雲平台。

Manpreet Singh Ghotra

目前任職Salesforce，致力於以Apache Spark來開發一套機器學習平台；使用Apache Spark與機器學習技術，打造情緒分析器。曾任職於世界最大線上零售商之一的機器學習部門，使用Apache Mahout研究運送時間的計算，以及R推薦系統。

Nick Pentreath

擁有財務金融、機器學習、軟體開發的背景，曾任職於Goldman Sachs企業，線上廣告刊登目標新創公司的研究科學家、倫敦Cognitive Match有限公司、並且在非洲最大的社群網路Mxit，領導資料科學與分析團隊。