Aprendizaje automático práctico con Spark: Descubra el rendimiento escalable de Apache Spark con algoritmos de alta calidad a través de NLP, Computer Vision y ML (En

Puntuación:   (5,0 de 5)

Aprendizaje automático práctico con Spark: Descubra el rendimiento escalable de Apache Spark con algoritmos de alta calidad a través de NLP, Computer Vision y ML (En (Gourav Gupta)

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 3 votos.

Título original:

Practical Machine Learning with Spark: Uncover Apache Spark's Scalable Performance with High-Quality Algorithms Across NLP, Computer Vision and ML (En

Contenido del libro:

Explora los secretos cósmicos del Procesamiento Distribuido para aplicaciones de Aprendizaje Profundo.

CARACTERÍSTICAS PRINCIPALES

⬤ Demostración práctica en profundidad de conceptos ML/DL utilizando Distributed Framework.

⬤  Cubre ilustraciones gráficas y explicaciones visuales para pipelines ML/DL.

⬤  Incluye código base en vivo para cada una de las aplicaciones de PNL, visión por computador y aprendizaje automático.

DESCRIPCIÓN

Este libro proporciona al lector una explicación actualizada del Aprendizaje Automático y una comprensión profunda, completa y directa de las técnicas de arquitectura utilizadas para evaluar y anticipar las perspectivas futuristas de los datos utilizando Apache Spark.

El libro guía a los lectores en la configuración de instalaciones de Hadoop y Spark en las instalaciones, Docker y AWS. Los lectores aprenderán sobre Spark MLib y cómo utilizarlo en escenarios de aprendizaje automático supervisado y no supervisado. Con la ayuda de Spark, algunas de las tecnologías más destacadas, como el procesamiento del lenguaje natural y la visión por ordenador, se evalúan y demuestran en un entorno realista. Utilizando las capacidades de Apache Spark, este libro discute los componentes fundamentales que subyacen en cada una de estas tecnologías de procesamiento del lenguaje natural, visión por computador y aprendizaje automático, así como la forma en que puede incorporar estas tecnologías en sus procesos de negocio.

Hacia el final del libro, los lectores aprenderán sobre varios marcos de aprendizaje profundo, como TensorFlow y PyTorch. Los lectores también aprenderán a ejecutar el procesamiento distribuido de problemas de aprendizaje profundo utilizando el lenguaje de programación Spark.

LO QUE APRENDERÁ

⬤  Aprenda cómo comenzar con proyectos de aprendizaje automático utilizando Spark.

⬤  Sea testigo de cómo usar el diseño de Spark MLib para el aprendizaje automático y las operaciones de aprendizaje profundo.

⬤  Use Spark en tareas que involucran NLP, aprendizaje no supervisado y visión por computadora.

⬤  Experimente con Spark en un entorno de nube y con flujos de trabajo de tuberías de IA.

⬤  Ejecute aplicaciones de aprendizaje profundo en una red distribuida.

A QUIÉN VA DIRIGIDO ESTE LIBRO

Este libro es valioso para ingenieros de datos, ingenieros de aprendizaje automático, científicos de datos, arquitectos de datos, analistas de negocios y consultores técnicos de todo el mundo. Sería beneficioso tener cierta familiaridad con los fundamentos de Hadoop y Python.

Otros datos del libro:

ISBN:9789391392130
Autor:
Editorial:
Idioma:inglés
Encuadernación:Tapa blanda

Compra:

Actualmente disponible, en stock.

¡Lo compro!

Otros libros del autor:

Aprendizaje automático práctico con Spark: Descubra el rendimiento escalable de Apache Spark con...
Explora los secretos cósmicos del Procesamiento...
Aprendizaje automático práctico con Spark: Descubra el rendimiento escalable de Apache Spark con algoritmos de alta calidad a través de NLP, Computer Vision y ML (En - Practical Machine Learning with Spark: Uncover Apache Spark's Scalable Performance with High-Quality Algorithms Across NLP, Computer Vision and ML (En

Las obras del autor han sido publicadas por las siguientes editoriales:

© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)