Zaawansowana analiza danych w PySpark. Metody przetwarzania informacji na szeroką skalę z wykorzystaniem Pythona i systemu Spark

Akash Tandon, Sandy Ryza, Uri Laserson, Sean Owen, ...

Potrzeby w zakresie analizy dużych zbiorów danych i wyciągania z nich użytecznych informacji stale rosną. Spośród dostępnych narzędzi przeznaczonych do tych zastosowań szczególnie przydatny jest PySpark - interfejs API systemu Spark dla języka Python. Apache Spark świetnie się nadaje do analizy dużych zbiorów danych, a PySpark skutecznie ułatwia integrację Sparka ze specjalistycznymi narzędziami PyData. By jednak można było w pełni skorzystać z tych możliwości, konieczne jest zrozumienie interakcji między algorytmami, zbiorami danych i wzorcami używanymi w analizie danych. Oto praktyczny przewodnik po wersji 3.0 systemu Spark, metodach statystycznych i rzeczywistych zbiorach danych. Omówiono w nim zasady rozwiązywania problemów analitycznych za pomocą interfejsu PySpark, z wykorzystaniem dobrych praktyk programowania w systemie Spark. Po lekturze można bezproblemowo zagłębić się we wzorce analityczne oparte na popularnych technikach przetwarzania danych, takich jak klasyfikacja, grupowanie, filtrowanie i wykrywanie anomalii, stosowane w genomice, bezpieczeństwie systemów IT i finansach. Dodatkowym plusem są opisy wykorzystania przetwarzania obrazów i języka naturalnego. Zaletą jest też szereg rzeczywistych przykładów dużych zbiorów danych i ich zaawansowanej analizy. Dzięki książce poznasz: model programowania w ekosystemie Spark podstawowe metody stosowane w nauce o danych pełne implementacje analiz dużych publicznych zbiorów danych konkretne przypadki użycia narzędzi uczenia maszynowego kod, który łatwo dostosujesz do swoich potrzeb PySpark: systemowa odpowiedź na problemy inżyniera danych!

Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV

Eric Chou

Programiści cenią Pythona za wyrazistość i zwięzłość kodu, a także za bogatą kolekcję narzędzi i bibliotek. Z tych zalet mogą korzystać również inżynierowie sieci. Programistyczne zarządzanie siecią stanowi odpowiedź na rozwój technologii ― tradycyjny interfejs wiersza poleceń i pionowo zintegrowane metody kontroli sieci nie są już najlepszymi sposobami zarządzania współczesnymi sieciami. Oto uzupełnione i zaktualizowane wydanie bestsellerowego przewodnika dla inżynierów sieci. Dzięki niemu przejdziesz trudną (ale ekscytującą!) drogę od tradycyjnej platformy do platformy sieciowej opartej na najlepszych praktykach programistycznych. Zaczniesz od zagadnień podstawowych, aby następnie zagłębić się w tajniki stosowania bibliotek Pexpect, Paramiko czy Netmiko do komunikacji z urządzeniami sieciowymi. W kolejnych rozdziałach znajdziesz solidny przegląd różnych narzędzi wraz ze sposobami ich użycia: Cisco NX-API, Meraki, Juniper PyEZ, Ansible, Scapy, PySNMP, Flask, Elastic Stack i wielu innych. Rozeznasz się również w kwestiach związanych z kontenerami Dockera, a także usługami sieciowymi chmur AWS i Azure. Lektura tej książki pozwoli Ci się w pełni przygotować na następną generację sieci! W książce między innymi: interakcja Pythona z urządzeniami sieciowymi uzyskiwanie informacji o sieci i analiza danych sieciowych tworzenie wysokopoziomowych API korzystanie z biblioteki AsyncIO paradygmat programowania sterowanego testami w Pythonie zastosowanie GitLab w praktykach DevOps w kontekście zagadnień sieciowych Chcesz mieć sieć najnowszej generacji? Python jest dla Ciebie!

Zaawansowana metodyka oceny ryzyka w publicznym zarządzaniu kryzysowym

Janusz Zawiła-Niedźwiecki

W monografii przedstawiono zaawansowaną metodykę oceny ryzyka na potrzeby systemu zarządzania kryzysowego w Polsce. Jest realizacją obowiązku posiadania krajowej metodyki w tym zakresie, spoczywającego na Polsce jako członku Unii Europejskiej. W pełni respektuje regulacje prawne obowiązujące w Polsce, w szczególności Ustawę o zarządzaniu kryzysowym oraz Unijny Mechanizm Ochrony Ludności. Książka jest przeznaczona dla: • jednostek administracji publicznej wszystkich szczebli i ich komórek odpowiedzialnych za zarządzanie kryzysowe; • podmiotów, które są operatorami systemów infrastruktury krytycznej w rozumieniu ustawy o zarządzaniu kryzysowym; • studentów kierunków: Bezpieczeństwo publiczne, Bezpieczeństwo narodowe, Administracja. Zaawansowana metodyka ma charakter otwarty, co oznacza, że zakreśla ramy i podaje wytyczne rekomendowanego postępowania, ale też i zakłada, że określony jej użytkownik, stosując się do nich, nada im charakter zgodny z lokalnymi uwarunkowaniami oraz będzie wzmacniać jej oddziaływanie przez wdrożenie procesów: • systematycznego rozwijania metodyki, • zarządzania pozyskiwaną wiedzą o zagrożeniach i ryzyku, • zarządzania wiedzą o społecznym, technicznym i organizacyjnym kontekście funkcjonowania systemów infrastruktury krytycznej państwa oraz usługach logistyki społecznej związanych z tą infrastrukturą.

Zaawansowana rachunkowość zarządcza i rachunek kosztów. Teoria, przykłady i zadania

Robert Kowalak

Książka poświęcona zaawansowanej rachunkowości zarządczej i rachunkowi kosztów wypełnia lukę na rynku pozycji prezentujących zagadnienia związane z wykorzystaniem rachunkowości w podejmowaniu decyzji przez menedżerów. Istotną zaletą podręcznika jest kompleksowa prezentacja problematyki wykorzystania różnego rodzaju narzędzi rachunkowości zarządczej, szczególnie związanych z nowoczesnymi metodami rachunku kosztów oraz zarządzania dokonaniami. Każdy rozdział zawiera część teoretyczną, przykłady i zadania. Książka będzie przydatna właścicielom przedsiębiorstw i kadrze menedżerskiej, studentom uczelni ekonomicznych specjalizujących się w tematyce rachunku kosztów i rachunkowości zarządczej, a także słuchaczom studiów podyplomowych

Zaawansowane metody wykorzystania narzędzi modelowania symulacyjnego w zarządzaniu produkcją

Justyna Smagowicz, Cezary szwed

Skrypt jest przeznaczony do wykorzystania na kierunku Inżynieria Zarządzania w ramach przedmiotów, skupiających się na wykorzystaniu programów do modelowania symulacyjnego w zarządzaniu produkcją. Szczegółowymi celami zajęć są: uzyskanie przez studentów umiejętności korzystania z programów symulacyjnych, nauka metodyki prowadzenia badań dotyczących usprawniania procesów produkcyjnych z wykorzystaniem tych programów oraz utrwalenie pojęć z zakresu zarządzania i organizacji produkcji. Skrypt składa się z sześciu rozdziałów. Rozdział 1 zawiera opis programu Tecnomatix Plant Simulation. Scharakteryzowano w nim podstawowe obiekty, funkcje i moduły programu. Opisano wbudowane narzędzia wykorzystywane w usprawnianiu procesów i systemów produkcyjnych, w tym narzędzia do prowadzenia eksperymentów i optymalizacji badanych modeli. Rozdział 2 zawiera opis programu FlexSim. Omówiono w nim podstawowe obiekty, funkcje i moduły programu. Opisano narzędzia odwzorowujące logikę przetwarzania danych modelu, narzędzia do prezentacji wyników oraz sposób prowadzenia eksperymentów i optymalizacji badanych modeli. Rozdziały 3–6 zawierają ćwiczenia z wykorzystaniem omówionych wcześniej programów, po dwa ćwiczenia z wykorzystaniem każdego programu. Układ każdego ćwiczenia jest identyczny i obejmuje: cel ćwiczenia; opis procesu; zastosowane obiekty/narzędzia; szczegółową instrukcję dotyczącą wykonania ćwiczenia/zadania projektowego; omówienie wyników i pytania kontrolne. Układ treści skryptu, prowadzonych ćwiczeń laboratoryjnych i użytych narzędzi, ma pokazać, jakie różnice metodyczne występują przy wykorzystaniu każdego z programów komputerowych do rozwiązania zbliżonych merytorycznie problemów oraz jakie są różnice w prowadzeniu badań i uzyskiwanych wynikach. Ćwiczenia zostały przygotowane przy założeniu, że każde z nich jest wykonywane indywidualnie przez studenta.

Zaawansowane techniki języka JavaScript. Wydanie II

John Paxton, John Resig, Russ Ferguson

JavaScript stanowi doskonałe, zaawansowane narzędzie do programowania aplikacji internetowych. Zawodowe wykorzystanie tego języka wymaga jednak opanowania trudniejszych zagadnień, takich jak obiektowy model dokumentu (DOM) czy korzystanie z nowych narzędzi obiektowych w JS. Trzeba też nauczyć się testować aplikację i usuwać błędy. Dopiero wiedza na tym poziomie pozwoli zasłużyć na miano profesjonalisty. Niniejsza książka stanowi kompendium wiedzy o nowoczesnym języku JavaScript. Zawiera zwięzłe, praktyczne informacje, których każdy doskonały programista będzie potrzebował do pisania aplikacji internetowych. Autorzy skoncentrowali się na zasadniczych tematach i przedstawili wszystkie istotne kwestie dotyczące zaawansowanych technik programowania w tym języku. Opisali również praktyczne sposoby wykorzystania tych technik, wskazując przy tym sposoby uniknięcia potencjalnych problemów. Dzięki tej książce: poznasz najważniejsze profesjonalne techniki programowania w JavaScripcie zrozumiesz działanie funkcji i zapoznasz się z narzędziami obiektowymi tego języka dokładnie zgłębisz kwestie związane z modelem DOM i nauczysz się go wykorzystywać zapoznasz się z zasadami obsługi zdarzeń w JavaScripcie nauczysz się tworzyć kod wielokrotnego użytku z wykorzystaniem obiektowego JavaScriptu zaczniesz wykorzystywać JavaScript do walidacji formularzy HTML oraz CSS opanujesz techniki, które wkrótce zdecydują o przyszłości JavaScriptu Programuj w JavaScripcie jak nowoczesny profesjonalista!

Zaawansowane techniki przetwarzania języka naturalnego. Od podstaw do modeli LLM i zastosowań biznesowych w Pythonie

Lior Gazit, Meysam Ghaffari

Uczenie maszynowe i duże modele językowe rewolucjonizują biznes i nasze codzienne życie. Potencjał tych innowacji jest trudny do oszacowania: modele LLM stały się wiodącym trendem w tworzeniu aplikacji i analizie danych. Integrowanie zaawansowanych modeli z systemami produkcyjnymi bywa jednak często wymagającym, a nawet niewdzięcznym zadaniem. Na szczęście dzięki tej książce poradzisz sobie z takimi wyzwaniami! Najpierw zapoznasz się z matematycznymi podstawami algorytmów ML i NLP. Zaznajomisz się również z ogólnymi technikami uczenia maszynowego i dowiesz się, w jakim stopniu dotyczą one dużych modeli językowych. Kolejnym zagadnieniem będzie przetwarzanie danych tekstowych, w tym metody przygotowywania tekstu do analizy, po czym przyswoisz zasady klasyfikowania tekstu. Ponadto poznasz zaawansowane aspekty teorii, projektowania i stosowania LLM, wreszcie ― przyszłe trendy w NLP. Aby zdobyć praktyczne umiejętności, będziesz ćwiczyć na przykładach rzeczywistych zagadnień biznesowych i rozwiązań NLP. W książce: podstawy matematyczne uczenia maszynowego i NLP zaawansowane techniki przetwarzania wstępnego i analizy danych tekstowych projektowanie systemów ML i NLP w Pythonie przetwarzanie tekstu z użyciem metod uczenia głębokiego modele LLM i ich implementacja w różnych aplikacjach AI trendy w NLP i potencjał tej technologii Odkryj przyszłe trendy w NLP widziane oczami ekspertów!

Zaawansowane uczenie maszynowe z językiem Python

John Hearty

Uczenie maszynowe przyczyniło się do powstania wielu innowacyjnych technologii. Pojazdy autonomiczne, mechanizmy rozpoznawania obrazów, badania genetyczne, a także dynamiczne dostosowywanie prezentowanych treści do preferencji odbiorcy to tylko niektóre przykłady. Możliwości związane z rozwojem tych technik sprawiają, że analityka danych i zaawansowane uczenie maszynowe stają się wyjątkowo cenną wiedzą. Dotyczy to szczególnie nowatorskich technik analizy danych, takich jak głębokie uczenie, algorytmy częściowo nadzorowane i metody zespołowe. Niniejsza książka jest przystępnie napisanym podręcznikiem, dzięki któremu poznasz niektóre zaawansowane techniki uczenia maszynowego. Szczególną uwagę poświęcono tu algorytmom uczenia maszynowego: zostały dokładnie wyjaśnione, opisano ich zastosowanie oraz topologię, metody uczenia i miary wydajności. Każdy rozdział uzupełniono o wykaz źródeł, pomocny w dalszym zgłębianiu tematu. Dodatkowo przedstawiono wiele cennych wskazówek dotyczących specyfiki pracy analityka danych. Do prezentacji przykładów wybrano język Python z uwagi na jego wszechstronność, elastyczność, prostotę oraz możliwość stosowania do specjalistycznych zadań. Najważniejsze zagadnienia przedstawione w książce: identyfikacja struktur i wzorców w zbiorach danych stosowanie sieci neuronowych praca z językiem naturalnym modele zespołowe i poprawa ich elastyczności narzędzia uczenia maszynowego w Pythonie Zaawansowane uczenie maszynowe — poznaj algorytmy przyszłości! John Hearty — jest autorytetem w dziedzinie analityki danych i inżynierii infrastruktury. Przez pewien czas zajmował się modelowaniem zachowań gracza i infrastrukturą dużych zbiorów danych w Microsofcie. Ważniejszymi jego projektami były modelowanie umiejętności gracza w grach asymetrycznych i modele segmentacji graczy mające na celu zindywidualizowanie rozgrywki. Obecnie Hearty jest niezależnym ekspertem, szczególnie cenionym przez zespoły zajmujące się eksploracją danych. W wolnym czasie tworzy modele uczenia maszynowego w Pythonie.