大规模数据分析和建模：基于Spark与R

作品简介

这本书的目的是帮助所有人通过R使用Apache Spark。第1章~第5章，简单地介绍了如何大规模执行数据科学和机器学习项目。第6~9章介绍了使用Spark进行集群计算中令人激动的基本概念。第10章~第13章涵盖一些高级主题，包括分布式R、Streaming和社区贡献等。

Javier Luraschi是大规模数据科学诸多库的发明者，包括sparklyr、r2d3、pins和cloudml。

Kevin Kuo构建了机器学习库，并领导了Kasa AI的开放保险研究。

Edgar Ruiz构建了企业级的数据解决方案工具，包括dbplot、tidypredict和modeldb。

作品目录

• O’Reilly Media，Inc.介绍
• 译者序
• 序言
• 前言
• 第1章　引言
• 1.1　概述
• 1.2　Hadoop
• 1.3　Spark
• 1.4　R
• 1.5　sparklyr
• 1.6　小结
• 第2章　开始
• 2.1　概述
• 2.2　预备操作
• 2.3　连接
• 2.4　使用Spark
• 2.5　断开连接
• 2.6　使用RStudio
• 2.7　资源
• 2.8　小结
• 第3章　分析
• 3.1　概述
• 3.2　数据导入
• 3.3　数据整理
• 3.4　可视化
• 3.5　建模
• 3.6　沟通
• 3.7　小结
• 第4章　建模
• 4.1　概述
• 4.2　探索性数据分析
• 4.3　特征工程
• 4.4　监督式学习
• 4.5　非监督式学习
• 4.6　小结
• 第5章　管道操作
• 5.1　概述
• 5.2　创建工作
• 5.3　用例
• 5.4　操作模式
• 5.5　交互性
• 5.6　部署
• 5.7　小结
• 第6章　集群
• 6.1　概述
• 6.2　本地化
• 6.3　云端
• 6.4　Kubernetes
• 6.5　工具
• 6.6　小结
• 第7章　连接
• 7.1　概述
• 7.2　本地模式
• 7.3　单机模式
• 7.4　YARN
• 7.5　Livy
• 7.6　Mesos
• 7.7　Kubernetes
• 7.8　云模式
• 7.9　批量模式
• 7.10　工具
• 7.11　多次连接
• 7.12　故障排除
• 7.13　小结
• 第8章　数据
• 8.1　概述
• 8.2　读取数据
• 8.3　写入数据
• 8.4　复制数据
• 8.5　文件格式
• 8.6　文件系统
• 8.7　存储系统
• 8.8　小结
• 第9章　调试
• 9.1　概述
• 9.2　配置
• 9.3　分区
• 9.4　缓存
• 9.5　重洗
• 9.6　序列化
• 9.7　配置文件
• 9.8　小结
• 第10章　扩展
• 10.1　概述
• 10.2　H2O
• 10.3　图模型
• 10.4　XGBoost
• 10.5　深度学习
• 10.6　基因组学
• 10.7　空间数据
• 10.8　故障排除
• 10.9　小结
• 第11章　分布式R
• 11.1　概述
• 11.2　用例
• 11.3　分区
• 11.4　分组
• 11.5　列
• 11.6　context参数
• 11.7　函数
• 11.8　程序包
• 11.9　集群需求
• 11.10　故障排除
• 11.11　小结
• 第12章　数据流
• 12.1　概述
• 12.2　转换
• 12.3　Kafka
• 12.4　Shiny
• 12.5　小结
• 第13章　社区贡献
• 13.1　概述
• 13.2　Spark API
• 13.3　Spark扩展
• 13.4　使用Scala代码
• 13.5　小结
• 附录A　补充参考代码
• 作者介绍
• 封面介绍