Я ненавижу Spark

Поэтому хочу опубликовать тут список хороших ресурсов, которые, помогут мне (и возможно вам) его узнать лучше, чем сейчас, и я не буду рвать на голове волосы, когда джоба падает.
Первые две книги уже скачала - осталось только прочитать.

💥 Learning Spark: Lightning-Fast Big Data Analysis
http://shop.oreilly.com/product/0636920028512.do

💥 Advanced Analytics with Spark: Patterns for Learning from Data at Scale
https://www.amazon.com/Advanced-Analytics-Spark-Patterns-Learning/dp/1491912766

💥 Spark in a day
https://www.amazon.com/Spark-Ultimate-Learning-Development-Beginners-ebook/dp/B013GQP702/httpwwwtuto0a-20

💥 Apache Spark Tutorial
https://www.tutorialspoint.com/apache_spark/index.htm

💥 Apache Spark Scala Tutorial
https://github.com/deanwampler/spark-scala-tutorial

💥 Python For Data Science Cheat Sheet (by DataCamp)
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/PySpark_Cheat_Sheet_Python.pdf

💥 Spark documentation - там много других полезных ссылок на видео/книги/лекции
https://spark.apache.org/documentation.html

Список полезных ресурсов для изучения в рамках Data Science: https://chadwgardner.com/resources/

Очень полезная книга Data Science livebook. Ее писали усилиями Data Science-сообщества в течение года:
https://livebook.datascienceheroes.com/

Это не про данные, но тоже полезно: https://habrahabr.ru/post/353194/.me

Время заняться PySpark-ом: http://spark.apache.org/docs/2.1.0/api/python/pyspark.html

PySpark Cheat Sheet: Spark in Python:
https://www.datacamp.com/community/blog/pyspark-cheat-sheet-python

Еще парочка полезных ссылок по PySpark:
1. https://blog.sicara.com/get-started-pyspark-jupyter-guide-tutorial-ae2fe84f594f
2. https://www.tutorialspoint.com/pyspark/index.htm

Схема Spark (взято из DataCamp)

Интервью (с транскриптом) с Nathan Marz о лямбда-архитектуре: https://www.infoq.com/interviews/marz-lambda-architecture

Его же книга Big Data: Principles and best practices of scalable realtime data systems: https://www.goodreads.com/book/show/13421400-big-data

Список с полезными ссылками по теме CRISP-DM (версия 1, 13 мая 2018 г.):

https://medium.com/@iradche/crisp-dm-cross-industry-standard-process-for-data-mining-45e1756483cd

Machine Learning Yearning от Andrew Ng: https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/aacac1fd-b6bf-4ddc-9571-c9f1054891b6/Ng_MLY05.pdf

Полезные ссылки по библиотекам визуализации на Питоне.
1. HoloViews 1.10 Release: http://blog.pyviz.org/release_1.10.html
2. GeoViews 1.5 Release: http://blog.pyviz.org/release_1.5.html
3. Bokeh: https://bokeh.pydata.org/en/latest/
4. Plotly: https://plot.ly/python/
5. VisPy: http://vispy.org/gallery.html

Больше ссылок на библиотеки можно посмотреть в моем блоге на Medium: https://medium.com/@iradche/python-and-data-visualization-3ad94a9f313c

Пара статей Deep Learning With Apache Spark от Favio Vázquez.
1. https://towardsdatascience.com/deep-learning-with-apache-spark-part-1-6d397c16abd
2. https://towardsdatascience.com/deep-learning-with-apache-spark-part-2-2a2938a36d35

Краткий обзор 10 популярных алгоритмов машинного обучения для новичков (A Tour of The Top 10 Algorithms for Machine Learning Newbies):https://towardsdatascience.com/a-tour-of-the-top-10-algorithms-for-machine-learning-newbies-dde4edffae11

Библиотека Keras – А. Джулли, С. Пал (ru) 2017

Краткое, но обстоятельное введение в современные нейронные сети, искусственный интеллект и технологии глубокого обучения.

Список питоновских библиотек для обработки естественного языка.

https://kleiber.me/blog/2018/02/25/top-10-python-nlp-libraries-2018/

Очень интересная и полезная книга по глубокому обучению (Deep Learning. A Practitioner's Approach).
В ней также рассматривается библиотека Deeplearning4j (DL4J) и DataVec.
В издательстве ДМК вышел ее перевод на русском языке.
В русском переводе она называется "Глубокое обучение с точки зрения практика".