Mastering Large Datasets with Python
John T. Wolohan
- Editorial
- Manning
- Año
- 2020
- Páginas
- ~350
- Nivel
- Avanzado
De qué trata
Guía técnica sobre procesamiento de grandes volúmenes de datos en hardware convencional escrita por John T. Wolohan y publicada por Manning en 2020. Enseña a superar los límites de memoria RAM mediante algoritmos de streaming y paralelismo.
Cubre la computación paralela con Dask, el paradigma MapReduce implementado en Python, estructuras de datos probabilísticas (filtros de Bloom, HyperLogLog) y almacenamiento columnar eficiente con formatos Parquet y HDF5.
John T. Wolohan demuestra cómo procesar conjuntos de datos de cientos de gigabytes en una laptop estándar sin necesidad de clústeres costosos en la nube. Una lectura sumamente instructiva para ingenieros de datos y científicos de datos aplicados.
- Big Data
- Dask
- MapReduce
- Filtros de Bloom
- Parquet
- John Wolohan
- Manning
¿Cómo enseña?
Con proyectos
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Pipeline Distribuido de Análisis de Sentimiento sobre Tweets con Dask
Construcción de un flujo de procesamiento paralelo en streaming que analiza millones de textos en disco sin saturar la memoria RAM.
