Título :	Machine Learning with PySpark : With Natural Language Processing and Recommender Systems
Tipo de documento:	documento electrónico
Autores:	Singh, Pramod, Autor
Mención de edición:	1 ed.
Editorial:	Berkeley, CA : Apress
Fecha de publicación:	2019
Número de páginas:	XVIII, 223 p. 150 ilustraciones, 1 ilustraciones en color.
ISBN/ISSN/DL:	978-1-4842-4131-8
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Inteligencia artificial  Python (lenguaje de programa informático)  Investigación cuantitativa  Software de código abierto  Pitón  Análisis de datos y Big Data  Fuente abierta
Índice Dewey:	006.3 Inteligencia artificial
Resumen:	Cree modelos de aprendizaje automático, aplicaciones de procesamiento de lenguaje natural y sistemas de recomendación con PySpark para resolver diversos desafíos comerciales. Este libro comienza con los fundamentos de Spark y su evolución y luego cubre todo el espectro de algoritmos tradicionales de aprendizaje automático junto con el procesamiento del lenguaje natural y los sistemas de recomendación que utilizan PySpark. Machine Learning con PySpark le muestra cómo crear modelos de aprendizaje automático supervisados, como regresión lineal, regresión logística, árboles de decisión y bosques aleatorios. También verá modelos de aprendizaje automático no supervisados, como K-means y agrupación jerárquica. Una parte importante del libro se centra en la ingeniería de funciones para crear funciones útiles con PySpark para entrenar modelos de aprendizaje automático. La sección de procesamiento del lenguaje natural cubre el procesamiento de texto, la extracción de texto y la incrustación para clasificación. Después de leer este libro, comprenderá cómo utilizar la biblioteca de aprendizaje automático de PySpark para crear y entrenar varios modelos de aprendizaje automático. Además, se sentirá cómodo con los componentes relacionados de PySpark, como la ingesta, el procesamiento y el análisis de datos, que puede utilizar para desarrollar aplicaciones inteligentes basadas en datos. Usted: Creará un espectro de algoritmos de aprendizaje automático supervisados ​​y no supervisados ​​Implementará algoritmos de aprendizaje automático con bibliotecas Spark MLlib Desarrollará un sistema de recomendación con bibliotecas Spark MLlib Manejará problemas relacionados con la ingeniería de funciones, el equilibrio de clases, el sesgo y la varianza, y la validación cruzada para construir un óptimo modelo de ajuste.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Machine Learning with PySpark : With Natural Language Processing and Recommender Systems [documento electrónico] / Singh, Pramod, Autor  . -  1 ed.  . - Berkeley, CA : Apress, 2019 . - XVIII, 223 p. 150 ilustraciones, 1 ilustraciones en color.
ISBN : 978-1-4842-4131-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Inteligencia artificial  Python (lenguaje de programa informático)  Investigación cuantitativa  Software de código abierto  Pitón  Análisis de datos y Big Data  Fuente abierta
Índice Dewey:	006.3 Inteligencia artificial
Resumen:	Cree modelos de aprendizaje automático, aplicaciones de procesamiento de lenguaje natural y sistemas de recomendación con PySpark para resolver diversos desafíos comerciales. Este libro comienza con los fundamentos de Spark y su evolución y luego cubre todo el espectro de algoritmos tradicionales de aprendizaje automático junto con el procesamiento del lenguaje natural y los sistemas de recomendación que utilizan PySpark. Machine Learning con PySpark le muestra cómo crear modelos de aprendizaje automático supervisados, como regresión lineal, regresión logística, árboles de decisión y bosques aleatorios. También verá modelos de aprendizaje automático no supervisados, como K-means y agrupación jerárquica. Una parte importante del libro se centra en la ingeniería de funciones para crear funciones útiles con PySpark para entrenar modelos de aprendizaje automático. La sección de procesamiento del lenguaje natural cubre el procesamiento de texto, la extracción de texto y la incrustación para clasificación. Después de leer este libro, comprenderá cómo utilizar la biblioteca de aprendizaje automático de PySpark para crear y entrenar varios modelos de aprendizaje automático. Además, se sentirá cómodo con los componentes relacionados de PySpark, como la ingesta, el procesamiento y el análisis de datos, que puede utilizar para desarrollar aplicaciones inteligentes basadas en datos. Usted: Creará un espectro de algoritmos de aprendizaje automático supervisados ​​y no supervisados ​​Implementará algoritmos de aprendizaje automático con bibliotecas Spark MLlib Desarrollará un sistema de recomendación con bibliotecas Spark MLlib Manejará problemas relacionados con la ingeniería de funciones, el equilibrio de clases, el sesgo y la varianza, y la validación cruzada para construir un óptimo modelo de ajuste.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i