• 本

Sparkによる実践データ解析 大規模データのための機械学習事例集

出版社名 オライリー・ジャパン
出版年月 2016年1月
ISBNコード 978-4-87311-750-8
4-87311-750-X
税込価格 3,740円
頁数・縦 309P 24cm

商品内容

要旨

本書は、データサイエンスの4人のエキスパートがSparkでの高度な分析方法を解説するとともに、より実践的なデータサイエンスを学ぶ書籍です。ビッグデータ分析におけるSparkの位置づけを紹介し、ベストな結果を得るためのデータの準備やモデルのチューニングについて解説します。またデータクレンジングのユースケースを通じてSparkとScalaによるデータ処理の基本を学習し、Sparkを使った機械学習の基礎や応用分野における広く使われる一般的なアルゴリズムを紹介します。日本語版では付録として高柳慎一氏と牧山幸史氏による「SparkRについて」と千葉立寛氏、小野寺民也氏による「SparkのJVM、システムレベルのチューニングによる高速化」を掲載。高度なデータ解析を習得したいデータサイエンティスト必携の一冊です。

目次

ビッグデータの分析
ScalaとSparkによるデータ分析の紹介
音楽のレコメンドとAudioscrobblerデータセット
決定木を使った森林被覆の予測
K平均クラスタリングを使ったネットワークトラフィックにおける異常の検出
潜在意味解析を使ったWikipediaの理解
GraphXを使った共起ネットワークの分析
ニューヨーク市のタクシーの移動データに対する地理空間及び履歴データ分析
モンテカルロシミュレーションによる金融リスクの推定
ゲノムデータの分析とBDGプロジェクト
PySparkとThunderを使った神経画像データの分析
Sparkの詳細
MLlib Pipelines API
SparkRについて
SparkのJVM、OSレベルのチューニングによる高速化

著者紹介

ライザ,サンディ (ライザ,サンディ)   Ryza,Sandy
Cloudera社のデータサイエンティストであり、Apache Sparkプロジェクトの活発なコントリビュータ。近年はClouderaでのApacheの開発をリードしており、Sparkによるさまざまな分析のユースケースにおける顧客の支援に時間を費やしている。Hadoop Project Management Committeeのメンバーでもある
ラサーソン,ユーリ (ラサーソン,ユーリ)   Laserson,Uri
Cloudera社のデータサイエンティスト。Clouderaでは、Hadoopエコシステム中のPythonにフォーカスしている。また、ライフサイエンスやヘルスケアを中心とする広範囲の問題に対して、Hadoopを導入する支援をしている。Uriは以前、MITでバイオメディカルエンジニアリングでPh.Dの取得を目指す傍ら、次世代診断の企業であるGood Start Geneticsを共同設立した
オーエン,ショーン (オーエン,ショーン)   Owen,Sean
Cloudera社でヨーロッパ、中東及びアフリカを担当するデータサイエンスのディレクター。2009年以来、Apacheの機械学習プロジェクトであるMahoutに対して大きく貢献しており、そのレコメンデーションフレームワークであるTasteを作成した。lambdaアーキテクチャの原理の上に構築された、Hadoop上の大規模リアルタイム学習のためのOryx(以前はMyrrixと呼ばれていた)プロジェクトを立ち上げた
ウィルス,ジョシュ (ウィルス,ジョシュ)   Wills,Josh
Cloudera社のデータサイエンスのシニアディレクターであり、幅広い業界に渡って、Hadoopベースのソリューションを開発するために顧客及びエンジニアと共に働いている。最適化されたMapReduce及びSparkのパイプラインをJavaで構築するためのApache Crunchプロジェクトの創始者であり、VPでもある。Clouderaに入社する以前は、Googleに勤めており、オークションのシステムの仕事をした後、Google+の分析インフラストラクチャの開発をリードしていた
石川 有 (イシカワ ユウ)  
株式会社リクルートテクノロジーズのアドバンスドテクノロジーラボに所属。株式会社ミクシィ在籍時にHadoopやHiveなどの分散処理システムに興味を持ち、分析基盤構築からアプリケーション設計、データサイエンス業務まで幅広くこなす。現在は、Apache Sparkの特に機械学習コンポーネントMLlibの開発に従事している(本データはこの書籍が刊行された当時に掲載されていたものです)