Ａｐａｃｈｅ Ｓｐａｒｋ徹底入門

翔泳社
ジュールス・Ｓ．タムジ　ブルック・ウェニグ　タタガタ・ダス　デニー・リー　長谷川亮　

• 価格: 4,400円（本体4,000円＋税）
• 発行年月: 2024年04月
• 判型: Ｂ５
• ISBN: 9784798182285

内容情報

[BOOKデータベースより]

統合型アナリティクスエンジンの仕組みとビッグデータの大規模処理を徹底解説。基本操作からＤｅｌｔａ　ＬａｋｅやＭＬｌｉｂを利用したパイプラインの構築まで紹介。

１　Ａｐａｃｈｅ　Ｓｐａｒｋ入門
２　Ａｐａｃｈｅ　Ｓｐａｒｋのダウンロードと入門
３　Ａｐａｃｈｅ　Ｓｐａｒｋの構造化ＡＰＩ
４　Ｓｐａｒｋ　ＳＱＬとＤａｔａＦｒａｍｅ：組み込みデータソースの紹介
５　Ｓｐａｒｋ　ＳＱＬとＤａｔａＦｒａｍｅ：外部データソースとのインタラクション
６　Ｓｐａｒｋ　ＳＱＬとＤａｔａｓｅｔ：７　Ｓｐａｒｋアプリケーションの最適化およびチューニング
８　構造化Ｓｔｒｅａｍｉｎｇ
９　Ａｐａｃｈｅ　Ｓｐａｒｋを用いた信頼性の高いデータレイクの構築
１０　ＭＬｌｉｂによる機械学習
１１　Ａｐａｃｈｅ　Ｓｐａｒｋによる機械学習パイプラインの管理、デプロイおよびスケール
１２　エピローグ：Ａｐａｃｈｅ　Ｓｐａｒｋ　３．ｘ

[日販商品データベースより]

Apache Sparkの仕組みとビッグデータ向けの大規模処理とML開発を徹底解説

本書は、ビッグデータを主な対象としたデータ分析フレームワークであるApache Spark、MLflow、Delta Lakeの中級入門書です。「動かしてみる」だけではなく、どのような仕組みになっているのか、どうすれば効率的な実装が行えるかまで踏み込みつつ、データAIの実装者がApache Spark、MLflow およびDelta Lakeを使いこなすための解説を行います。

本書では、単純なデータ分析と複雑なデータ分析を実行し、どのように機械学習アルゴリズムを採用していくか、解説していきます。Apache Sparkの導入から解説をはじめ、Spark SQLとデータフレーム、データセットを紹介していきます。そこから、Apache Sparkを利用した実践的な機械学習の方法を解説していきます。本書での学習を通じて、次のことが学習できます。

・Python、SQL、Scala、またはJavaの高レベルの構造化APIの学習
・Spark の操作とSQLエンジンの理解
・Spark 構成とSpark UIを使用したSpark操作の検査、調整、デバッグ
・JSON、Parquet、CSV、Avro、ORC、Hive、S3、またはKafkaといったデータソースへの接続
・構造化ストリーミングを使用してバッチ データとストリーミング データの分析を実行
・オープンソースのDelta LakeとSparkを使用して信頼性の高いデータ パイプラインを構築
・MLlibを使用する機械学習パイプラインの開発、MLflowを使用するモデルの管理、本番化
・［日本語版オリジナルコンテンツ］pandas DataFrame、SparkDataFrameに関する各種データフレームの使い分け
・［日本語版オリジナルコンテンツ］LLMやEnglish SDK for SparkなどAIを活用した新たなコーディングスタイル、LLMの利用方法の実践
※本書は『Learning Spark: Lightning-Fast Data Analytics 2nd Edition』の邦訳です。