Scala para la ciencia de datos

Título original:

Scala for Data Science

Contenido del libro:

Aproveche la potencia de Scala con diferentes herramientas para crear aplicaciones de ciencia de datos escalables y robustas

Acerca de este libro

Una guía completa para soluciones de ciencia de datos escalables, desde la ingesta de datos hasta la visualización de datos Implemente canalizaciones de procesamiento de datos escalables horizontalmente y aproveche los marcos web para construir visualizaciones atractivas Construya rutinas funcionales y seguras para interactuar con bases de datos relacionales y NoSQL con la ayuda de tutoriales y ejemplos proporcionados

A quién va dirigido este libro

Si eres un desarrollador Scala o un científico de datos, o si quieres entrar en el campo de la ciencia de datos, entonces este libro te dará todas las herramientas que necesitas para implementar soluciones de ciencia de datos.

Lo que aprenderá

Transformar y filtrar datos tabulares para extraer características para el aprendizaje automático Implementar sus propios algoritmos o aprovechar el amplio conjunto de modelos de MLLib para construir pipelines de aprendizaje automático distribuidos Leer, transformar y escribir datos en bases de datos SQL y NoSQL de manera funcional Escribir rutinas robustas para consultar API web Leer datos de API web como la API de GitHub o Twitter Usar Scala para interactuar con MongoDB, que ofrece un alto rendimiento y ayuda a almacenar grandes conjuntos de datos con requisitos de consulta inciertos Crear aplicaciones web Scala que se acoplan con bibliotecas JavaScript como D3 para crear visualizaciones interactivas convincentes Desplegar aplicaciones paralelas escalables utilizando Apache Spark, cargando datos de HDFS o Hive.

En detalle

Scala es un lenguaje de programación multiparadigma (admite tanto la programación orientada a objetos como la funcional) y un lenguaje de scripting utilizado para crear aplicaciones para la JVM. Lenguajes como R, Python, Java, etc. se utilizan sobre todo para la ciencia de datos. Es particularmente bueno para analizar grandes conjuntos de datos sin ningún impacto significativo en el rendimiento y por lo tanto Scala está siendo adoptado por muchos desarrolladores y científicos de datos. Los científicos de datos deben ser conscientes de que construir aplicaciones que sean realmente escalables es difícil. Scala, con sus potentes librerías funcionales para interactuar con bases de datos y construir frameworks escalables, te dará las herramientas para construir pipelines de datos robustos.

Este libro le introducirá a las bibliotecas para la ingesta, almacenamiento, manipulación, procesamiento y visualización de datos en Scala.

Repleto de ejemplos reales y conjuntos de datos interesantes, este libro le enseñará a ingerir datos de archivos planos y API web y almacenarlos en una base de datos SQL o NoSQL. Le mostrará cómo diseñar arquitecturas escalables para procesar y modelar sus datos, a partir de construcciones de concurrencia simples como colecciones paralelas y futuros, a través de sistemas de actores y Apache Spark. Además del énfasis de Scala en las estructuras funcionales y la inmutabilidad, aprenderá a utilizar la construcción paralela adecuada para el trabajo en cuestión, minimizando el tiempo de desarrollo sin comprometer la escalabilidad. Por último, aprenderás a construir hermosas visualizaciones interactivas utilizando frameworks web.

Este libro ofrece tutoriales sobre algunas de las bibliotecas Scala más comunes para la ciencia de datos, lo que le permitirá ponerse al día rápidamente con la construcción de soluciones de ciencia de datos e ingeniería de datos.

Estilo y enfoque

Un tutorial con ejemplos completos, este libro le dará las herramientas para empezar a construir útiles soluciones de ingeniería de datos y ciencia de datos de inmediato.