علم داده با پایتون و داسک ۲۰۱۹
Data Science with Python and Dask 2019

Dask یک ابزار تحلیل موازی بومی است که برای یکپارچه‌سازی یکپارچه با کتابخانه‌هایی که قبلاً از آن‌ها استفاده می‌کنید، از جمله Pandas، NumPy و Scikit-Learn طراحی شده است. با Dask می‌توانید مجموعه‌داده‌های بزرگ را پردازش و با آن‌ها کار کنید، با استفاده از ابزارهایی که در حال حاضر دارید. و علم داده با پایتون و Dask راهنمای شما برای استفاده از Dask برای پروژه‌های داده‌ای‌تان بدون تغییر روش کارتان است!

با خرید نسخه چاپی کتاب، یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات Manning دریافت خواهید کرد. دستورالعمل‌های ثبت‌نام را داخل کتاب چاپی خواهید یافت.

درباره‌ی فناوری

یک پایپ‌لاین داده‌ی کارآمد، برای موفقیت یک پروژه‌ی علم داده، همه‌چیز است. Dask یک کتابخانه‌ی انعطاف‌پذیر برای محاسبات موازی در پایتون است که ساخت گردش‌کارهای بصری برای دریافت و تجزیه‌و‌تحلیل مجموعه‌داده‌های بزرگ و توزیع‌شده را آسان می‌کند. Dask زمان‌بندی پویای وظایف و مجموعه‌های موازی را فراهم می‌کند که عملکرد NumPy، Pandas و Scikit-learn را گسترش می‌دهد و به کاربران این امکان را می‌دهد تا کد خود را به راحتی از یک لپ‌تاپ واحد به خوشه‌ای از صدها دستگاه مقیاس‌بندی کنند.

درباره‌ی کتاب

علم داده با پایتون و Dask به شما می‌آموزد که پروژه‌های مقیاس‌پذیری بسازید که بتوانند مجموعه‌داده‌های عظیم را مدیریت کنند. پس از آشنایی با چارچوب Dask، داده‌ها را در پایگاه داده‌ی بلیط‌های پارکینگ نیویورک تجزیه‌و‌تحلیل می‌کنید و از DataFrames برای ساده‌سازی فرآیند خود استفاده خواهید کرد. سپس، مدل‌های یادگیری ماشین را با استفاده از Dask-ML ایجاد می‌کنید، تجسم‌های تعاملی می‌سازید و با استفاده از AWS و Docker خوشه‌هایی را ایجاد می‌کنید.

آنچه در داخل خواهید یافت

* کار با مجموعه‌داده‌های بزرگ، ساختاریافته و غیرساختاریافته
* تجسم‌سازی با Seaborn و Datashader
* پیاده‌سازی الگوریتم‌های خودتان
* ساخت برنامه‌های توزیع‌شده با Dask Distributed
* بسته‌بندی و استقرار برنامه‌های Dask

درباره‌ی خواننده

برای دانشمندان داده و توسعه‌دهندگانی که تجربه‌ی استفاده از پایتون و پشته‌ی PyData را دارند.

درباره‌ی نویسنده

جسی دنیل یک توسعه‌دهنده‌ی پایتون با تجربه است. او پایتون را برای علم داده در دانشگاه دنور تدریس کرده و تیمی از دانشمندان داده را در یک شرکت فناوری رسانه‌ای مستقر در دنور رهبری می‌کند.

فهرست مطالب

بخش 1 – بلوک‌های سازنده‌ی محاسبات مقیاس‌پذیر
۱. چرا محاسبات مقیاس‌پذیر مهم است
۲. معرفی Dask
بخش 2 – کار با داده‌های ساخت‌یافته با استفاده از Dask DataFrames
۱. معرفی Dask DataFrames
۲. بارگیری داده‌ها در DataFrames
۳. پاکسازی و تبدیل DataFrames
۴. خلاصه‌سازی و تجزیه‌و‌تحلیل DataFrames
۵. تجسم DataFrames با Seaborn
۶. تجسم داده‌های مکانی با Datashader
بخش 3 – گسترش و استقرار Dask
۱. کار با Bags و Arrays
۲. یادگیری ماشین با Dask-ML
۳. مقیاس‌بندی و استقرار Dask

Dask is a native parallel analytics tool designed to integrate seamlessly with the libraries you’re already using, including Pandas, NumPy, and Scikit-Learn. With Dask you can crunch and work with huge datasets, using the tools you already have. And Data Science with Python and Dask is your guide to using Dask for your data projects without changing the way you work!

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. You’ll find registration instructions inside the print book.

About the Technology

An efficient data pipeline means everything for the success of a data science project. Dask is a flexible library for parallel computing in Python that makes it easy to build intuitive workflows for ingesting and analyzing large, distributed datasets. Dask provides dynamic task scheduling and parallel collections that extend the functionality of NumPy, Pandas, and Scikit-learn, enabling users to scale their code from a single laptop to a cluster of hundreds of machines with ease.

About the Book

Data Science with Python and Dask teaches you to build scalable projects that can handle massive datasets. After meeting the Dask framework, you’ll analyze data in the NYC Parking Ticket database and use DataFrames to streamline your process. Then, you’ll create machine learning models using Dask-ML, build interactive visualizations, and build clusters using AWS and Docker.

What’s inside

• Working with large, structured and unstructured datasets
• Visualization with Seaborn and Datashader
• Implementing your own algorithms
• Building distributed apps with Dask Distributed
• Packaging and deploying Dask apps

About the Reader

For data scientists and developers with experience using Python and the PyData stack.

About the Author

Jesse Daniel is an experienced Python developer. He taught Python for Data Science at the University of Denver and leads a team of data scientists at a Denver-based media technology company.

Table of Contents

PART 1 – The Building Blocks of scalable computing
1. Why scalable computing matters
2. Introducing Dask

PART 2 – Working with Structured Data using Dask DataFrames

3. Introducing Dask DataFrames
4. Loading data into DataFrames
5. Cleaning and transforming DataFrames
6. Summarizing and analyzing DataFrames
7. Visualizing DataFrames with Seaborn
8. Visualizing location data with Datashader

PART 3 – Extending and deploying Dask

9. Working with Bags and Arrays
10. Machine learning with Dask-ML
11. Scaling and deploying Dask