Di bagian ini Anda mempelajari bagaimana Spark dan R saling melengkapi, cara memindahkan data ke dan dari Spark, serta cara memanipulasi data frame Spark menggunakan sintaks dplyr.

Mulai bekerja

Saling Melengkapi

Awas, wilayah berbahaya

Pola connect-work-disconnect

Menyalin data ke Spark

Big data, tibble mungil

Mengeksplorasi struktur tibble

Memilih kolom

Memfilter baris

Mengurutkan baris

Memutasi kolom

Meringkas kolom

Light My Fire: Mulai Menggunakan Spark dengan Sintaks dplyr

Di bagian ini Anda mempelajari lebih lanjut penggunaan antarmuka <code>dplyr</code> ke Spark, termasuk pemilihan kolom tingkat lanjut, perhitungan statistik per kelompok, dan penggabungan data frame.

Meningkatkan kemampuan

Penolong kecil Ibu (1)

Mother's little helper (2)

Memilih baris unik

Common people

Mengumpulkan data kembali dari Spark

Menyimpan hasil antara

Grup: bagus untuk musik, bagus untuk data

Kelompok mutant

Pemilihan Lanjutan II: SQL

Left join

Anti join

Semi join

Perkakas Utama: Penggunaan dplyr Lanjutan

Di bagian ini Anda mempelajari fitur transformasi data Machine Learning milik Spark, serta fungsionalitas untuk memanipulasi DataFrame native.

Dua antarmuka baru

Tontonan ganda popcorn

Mengubah variabel kontinu menjadi logika

Mengubah variabel kontinu menjadi kategori (1)

Mengubah variabel kontinu menjadi kategorikal (2)

Lebih dari sekadar kata: tokenisasi (1)

Lebih dari sekadar kata: tokenisasi (2)

Lebih dari sekadar kata: tokenisasi (3)

Menyortir vs. mengurutkan

Mengeksplorasi tipe data Spark

Mengecilkan data dengan sampling

Partisi training/testing

Beranjak ke Native: Gunakan Antarmuka Asli untuk Memanipulasi Spark DataFrame

Sebuah studi kasus di mana Anda belajar menggunakan rutin Machine Learning dari <code>sparklyr</code>, dengan memprediksi tahun rilis sebuah lagu.

Machine Learning di Spark

Fungsi machine learning

(Hey you) What's that sound?

Bekerja dengan file parquet

Come together

Membagi data dengan efek kelompok

Gradient boosted trees: pemodelan

Gradient boosted trees: prediksi

Gradient boosted trees: visualisasi

Random Forest: pemodelan

Random Forest: prediksi

Random Forest: visualisasi

Membandingkan kinerja model

Studi Kasus: Belajar Menjadi Mesin: Menjalankan Model Machine Learning di Spark

Title text parquet

Track data to predict parquet

Track data to model parquet

Timbre parquet

Gbt-model-responses

Left-join

Inner-join

Residual density

Track data parquet

Semi-join

Timbre

Anti-join

Predicted vs actual

Track metadata

Both-model-responses

R dioptimalkan terutama agar Anda dapat menulis kode analisis data dengan cepat dan mudah dibaca. Apache Spark dirancang untuk menganalisis himpunan data berukuran sangat besar dengan cepat. Paket sparklyr memungkinkan Anda menulis kode dplyr di R yang berjalan pada klaster Spark, sehingga Anda mendapatkan keunggulan dari keduanya. Kursus ini mengajarkan cara memanipulasi Spark DataFrame menggunakan antarmuka dplyr dan antarmuka asli Spark, serta mencoba teknik Machine Learning. Sepanjang kursus, Anda akan mengeksplorasi Million Song Dataset.

<h2>Jelajahi Keunggulan R, Spark, dan sparklyr </h2>
R sebagian besar dioptimalkan untuk membantu Anda menulis kode analisis data dengan cepat dan mudah dibaca. Apache Spark dirancang untuk menganalisis kumpulan data yang sangat besar dengan cepat. Paket sparklyr memungkinkan Anda menulis kode R dplyr yang berjalan di klaster Spark, sehingga Anda mendapatkan yang terbaik dari kedua dunia. Kursus 4 jam ini mengajarkan Anda cara memanipulasi Spark DataFrames menggunakan antarmuka dplyr dan juga antarmuka native Spark, serta mencoba teknik machine learning. 
<br><br>
<h2>Muat Data ke Spark dan Manipulasi Spark DataFrame </h2>
Anda akan memulai kursus Spark ini dengan mempelajari bagaimana Spark dan R bekerja dengan baik bersama-sama serta berlatih memuat data, siap untuk pembersihan, transformasi, dan analisis. Anda akan menggunakan Spark frames dan sintaks dplyr untuk memanipulasi data Anda dengan memfilter dan mengurutkan baris, serta memodifikasi dan meringkas kolom. 
<br><br>
<h2>Dalami Analisis Big Data dengan Spark MLib </h2>
Kursus ini berfokus pada membangun keterampilan dan kepercayaan diri Anda dalam menganalisis kumpulan data yang sangat besar. Bab-bab terakhir memandu Anda melalui fitur transformasi data machine learning Spark dan memberi Anda kesempatan untuk mempraktikkan rutinitas machine learning sparklyr dengan menggunakannya untuk membuat prediksi menggunakan gradient boosted trees dan random forests. "

Supervised Learning in R: Regression

Pelajari Apache Spark dan paket sparklyr di R untuk analisis big data dengan pembelajaran mesin.

Pengantar Spark dengan sparklyr di R

Pelajari cara menjalankan analisis big data menggunakan Spark dan paket sparklyr di R, serta jelajahi Spark MLIb hanya dalam 4 jam. 

Data Besar di R

Ilmuwan Pembelajaran Mesin di R

Data Evangelist at DataCamp

Antarmuka Machine Learning MLlib

Transformasi fitur

Antarmuka Spark DataFrame

Ayo berlatih!

Beranjak ke Native: Gunakan Antarmuka Asli untuk Memanipulasi Spark DataFrame - Dua antarmuka baru

Dua antarmuka baru

Create Your Free Account