MEAP 搶先電子書 - 使用 Python 和 Dask 進行規模化的資料科學

Contents

書籍簡介

這是對 Dask 作為 PySpark 替代品的非常好的介紹。
– Jeremy Loscheider

作者做了一個非凡的工作，突顯了為什麼 DASK 應該成為在這個領域工作的任何人的首選工具。
– Gregory Matuszek

對於任何開始進入資料科學的人來說，這是一本非常好的書。
– Julien Pohie

如果你正在使用 Pandas、NumPy 或 Scikit 進行資料分析，你就會瞭解” THE WALL “。在某些時候，你需要為系統引入並行性( parallelism )來處理更大規模的資料或分析任務。就碰到 ” THE WALL “的問題，這時你可能必須重寫程式碼、重新設計系統，或者使用 Spark 或 Flink 等不熟悉的技術重新開始。

Dask 是一種原生並行分析工具，旨在與你已經使用的程式庫無縫整合，包括Pandas、NumPy 和 Scikit-Learn。使用 Dask，你可以使用已經用過的工具來處理大型資料集。”使用 Python 和 Dask 進行規模化的資料科學“是你在不改變工作方式的情況下使用 Dask 進行資料專案的指南！

關於這個技術

Dask 是個自給自足的、易於擴充的程式庫，用於查詢、串流、過濾和合併大型資料集。 Dask 簡化了資料並行性，因此你可以用更少的時間在低階系統管理，並將更多時間用於探索資料。 Dask 具有內建的排程程式 – 子系統，可以分配計算任務 – 使用執行緒或處理程序在單個機器上建立並行性。更高階的排程允許你完全利用叢集( clusters ) 或 HPC 系統。

大型資料集往往是分散式的、不均勻的，並且容易發生變化。 Dask 簡化了攝取、過濾和轉換資料的處理程序，減少或消除了像 Spark 這樣的重量級框架的需求。你甚至可以在 Python 中開始和完成大規模資料專案。

關於這本書

“使用 Python 和 Dask 進行規模化的資料科學”教你如何建構可處理大量資料的分散式資料專案。你將先瞭解 Dask 框架，聚焦 Dask 如何原生地擴充常用的 Python 程式庫，如 Numpy 和 Pandas。特別關注資料分析，你將立即開始探索NYC 2013-2017 停車票資料庫中的大量資料。你將瞭解 Dask DataFrames 並學習有用的程式碼模式以簡化分析。你還將深入瞭解 Seaborn 的視覺化，並學習使用 Dask-ML 建構機器學習模型。

在學習 Dask 的功能時，你將學習如何準備和分析資料集，以發現紐約市停車執法行動的趨勢和模式。一年中的時間和天氣如何影響開單？開單次數是上升還是下降？你將從資料發現並明暸類似的趨勢！在此過程中，你將深入瞭解 Dask Arrays 和Bags，使用 Datashader 建構基於位置的互動式視覺化，並學習使用自訂任務圖實現你自己的演演算法。最後，你將學習如何擴充 Dask 應用程式並學習如何使用 AWS 和 Docker 建構自己的 Dask 叢集。

書籍內容包含

使用大型結構化資料集
編寫自己的 DataFrame
清理並視覺化你的 DataFrame
使用 Dask-ML 進行機器學習
使用 Bags 和 Arrays
使用 Dask Distributed 建構分散式應用程式
打包和佈署 Dask 應用程式

目標讀者

為具有使用 Python 經驗的資料工程師和科學家編寫。瞭解PyData 堆棧（Pandas、NumPy、SciPy、Scikit-Learn）將會很有幫助。不需要具有低階並行性的經驗。

關於作者

Jesse Daniel 有五年使用 Python 編寫應用程式的經驗，包括在 PyData 堆棧中工作三年（Pandas、NumPy、SciPy、Scikit-Learn）。 Jesse 於 2016 年加入丹佛( Denver )大學，擔任商業資訊和分析的兼職教授，目前他在那裡教授 Python 資料科學課程。

關於 MEAP 搶鮮電子書

一本書可能需要一年或更長的時間才能寫出來，那麼你今天如何學習熱門新技術？答案是MEAP，即 Manning Early Access 計劃。在 MEAP 中，你可以逐次閱讀章節方式閱讀一本書當書還在進行撰寫中，一旦完成，即可獲得最終的電子書。 如果你預訂實體書籍，你必須在上架到商店之前等很久。更詳細的 MEAP 請參考 https://www.manning.com/meap-program