Apprendimento automatico con PySpark: Con l'elaborazione del linguaggio naturale e i sistemi di raccomandazione

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 4 voti.

Titolo originale:

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

Contenuto del libro:

Imparate a conoscere le nuove funzionalità di PySpark 3. 1 per sviluppare applicazioni intelligenti e guidate dai dati. Questa edizione aggiornata copre argomenti che vanno dalla costruzione di modelli scalabili di apprendimento automatico, all'elaborazione del linguaggio naturale, ai sistemi di raccomandazione.

Machine Learning with PySpark, Second Edition inizia con i fondamenti di Apache Spark, compresi gli ultimi aggiornamenti del framework. Successivamente, apprenderete l'intero spettro delle implementazioni tradizionali degli algoritmi di apprendimento automatico, oltre all'elaborazione del linguaggio naturale e ai sistemi di raccomandazione. Acquisirete familiarità con il processo critico di selezione degli algoritmi di apprendimento automatico, di ingestione dei dati e di elaborazione dei dati per risolvere i problemi aziendali. Vedrete una dimostrazione di come costruire modelli di apprendimento automatico supervisionati, come la regressione lineare, la regressione logistica, gli alberi decisionali e le foreste casuali. Imparerete anche ad automatizzare le fasi utilizzando le pipeline di Spark, seguite da modelli non supervisionati come K-means e il clustering gerarchico. Una sezione sull'elaborazione del linguaggio naturale (NLP) tratta l'elaborazione del testo, il text mining e gli embeddings per la classificazione. Questa nuova edizione introduce anche Koalas in Spark e come automatizzare il flusso di lavoro dei dati utilizzando Airflow e la più recente libreria ML di PySpark.

Dopo aver completato questo libro, capirete come utilizzare la libreria di apprendimento automatico di PySpark per costruire e addestrare vari modelli di apprendimento automatico, insieme a componenti correlati come l'ingestione, l'elaborazione e la visualizzazione dei dati per sviluppare applicazioni intelligenti basate sui dati.

Cosa imparerete:

⬤ Costruire una serie di algoritmi di apprendimento automatico supervisionati e non supervisionati.

⬤ Usare la libreria di apprendimento automatico di PySpark per implementare sistemi di apprendimento automatico e di raccomandazione.

⬤ Sfruttare le nuove funzionalità della libreria di apprendimento automatico di PySpark.

⬤ Capire l'elaborazione dei dati utilizzando Koalas in Spark.

⬤ Gestire le problematiche legate all'ingegneria delle caratteristiche, al bilanciamento delle classi, al bias e alla varianza, e alla convalida incrociata per costruire modelli ottimali.

Per chi è questo libro?

Professionisti della scienza dei dati e dell'apprendimento automatico.