Erweiterte Analytik mit PySpark

Dieses Buch widmet sich praktischen Methoden zur Analyse großer Datenmengen unter Verwendung der Programmiersprache Python und des Frameworks Spark. Es führt in das Programmiermodell von Spark sowie in die Grundlagen des Open-Source-Systems PySpark ein. Jedes Kapitel beschreibt einen speziellen Aspekt der Datenanalyse, die Grundlagen der Datenverarbeitung in PySpark und Python anhand von Beispielen zur Datenbereinigung werden gezeigt, und das maschinelle Lernen mit Spark wird eingehend behandelt. Das Buch hilft dem Leser, zu verstehen, wie die gesamte PySpark-Pipeline für die umfassende Analyse großer Datensets aufgebaut ist und funktioniert: von der Erstellung und Evaluierung von Modellen bis zur Datenbereinigung, der Vorverarbeitung und der Datenexploration mit besonderem Schwerpunkt auf Produktionsanwendungen. Einzelne Kapitel widmen sich der Bildverarbeitung und der Bibliothek Spark NLP.