Implementazione di DevOps con Microsoft Azure: Automatizzare le distribuzioni e incorporare la cultura DevOps

Recensioni dei lettori

Il libro fornisce una panoramica fondamentale dei concetti di Microsoft Azure e DevOps, ma molti utenti ritengono che manchi di profondità e di best practice. Il suo approccio incentrato su Java rende difficile per i lettori con un background DotNet affrontare appieno il materiale. L'uso di schermate e di un formato simile a un tutorial è considerato sia un punto di forza che di debolezza.

⬤ Ben scritto
⬤ facile da seguire per i programmatori esperti
⬤ buona panoramica di Microsoft Azure PaaS
⬤ copre Continuous Integration e Continuous Delivery
⬤ pratico con molti screenshot
⬤ alcuni lettori lo hanno trovato utile per i principianti.

⬤ Non è un'immersione profonda negli argomenti
⬤ L'attenzione a Java potrebbe allontanare gli sviluppatori DotNet
⬤ Manca la copertura delle best practice
⬤ I contenuti possono sembrare superficiali
⬤ Serve principalmente come un percorso di approfondimento piuttosto che una guida completa.

(basato su 7 recensioni dei lettori)

Titolo originale:

Implementing DevOps with Microsoft Azure: Automate your deployments and incorporate the DevOps culture

Contenuto del libro:

Creare applicazioni scalabili di machine learning per alimentare un moderno business data-driven utilizzando Spark 2.x.

Caratteristiche principali

⬤ Imparare a conoscere l'ultima versione di Apache Spark.

⬤ Utilizzare la libreria di apprendimento automatico di Spark per implementare l'analisi predittiva.

⬤ Sfruttare i potenti strumenti di Spark per caricare, analizzare, pulire e trasformare i dati.

Descrizione del libro

Questo libro vi insegnerà i più diffusi algoritmi di apprendimento automatico e la loro implementazione. Imparerete come vari concetti di apprendimento automatico vengono implementati nel contesto di Spark ML. Inizierete con l'installazione di Spark in un cluster singolo e multinodo. Poi vedrete come eseguire programmi basati su Scala e Python per Spark ML. Poi si prenderanno alcuni set di dati e si approfondirà il clustering, la classificazione e la regressione. Verso la fine, tratteremo anche l'elaborazione del testo con Spark ML.

Una volta appresi i concetti, questi possono essere applicati per implementare algoritmi in implementazioni "green-field" o per migrare sistemi esistenti a questa nuova piattaforma. È possibile migrare da Mahout o Scikit per utilizzare Spark ML.

Alla fine di questo libro, acquisirete le competenze necessarie per sfruttare le funzionalità di Spark per creare le vostre applicazioni scalabili di apprendimento automatico e alimentare un'azienda moderna basata sui dati.

Cosa imparerete

⬤ Prendere confidenza con l'ultima versione di Spark ML.

⬤ Creare il vostro primo programma Spark con Scala e Python.

⬤ Impostare e configurare un ambiente di sviluppo per Spark sul proprio computer e su Amazon EC2.

⬤ Accedere a set di dati pubblici per l'apprendimento automatico e utilizzare Spark per caricare, elaborare, pulire e trasformare i dati.

⬤ Usare la libreria di apprendimento automatico di Spark per implementare programmi utilizzando modelli di apprendimento automatico ben noti.

⬤ Gestire dati testuali su larga scala, compresa l'estrazione di caratteristiche e l'utilizzo di dati testuali come input per i modelli di apprendimento automatico.

⬤ Scrivere funzioni Spark per valutare le prestazioni dei modelli di apprendimento automatico.

Per chi è questo libro?

Se avete una conoscenza di base dell'apprendimento automatico e volete implementare vari concetti di apprendimento automatico nel contesto di Spark ML, questo libro fa per voi. Dovete avere una buona conoscenza dei linguaggi Scala e Python.