Scaling Machine Learning with Spark är en praktisk guide som hjälper dig att bygga skalbara maskininlärningslösningar från början till slut med Apache Spark. Författaren Adi Polak presenterar innovativa metoder som går bortom traditionella tekniker, och ger dig verktyg för att skapa effektiva arbetsflöden inom maskininlärning. Boken erbjuder en helhetsbild som inte bara fokuserar på specifika krav utan också främjar samarbete mellan dataexperter och maskininlärningsspecialister.
I boken får du insikter i flera avancerade teknologier inom det distribuerade ML-landskapet, såsom Spark MLlib, MLflow, TensorFlow och PyTorch. Du lär dig hantera hela livscykeln för maskininlärning – från datainhämtning och grundläggande förbehandling till funktionsteknik och modellträning. Dessutom visar boken hur man bygger robusta pipelines samt integrerar djupinlärning med kraften hos Apache Sparks ekosystem. Om du arbetar som data scientist eller ML-utvecklare kommer denna bok hjälpa dig att förstå när och varför olika verktyg bör användas för bästa resultat.