研究大數據和數據挖掘的都知道，並行化算法研究是大數據領域一個較為重要的研究熱點。近年來國內外開始關註在 Spark 平臺上如何實現各種機器學習和數據挖掘並行化算法設計。
Spark 提供了大量的庫，包括SQL、DataFrames、MLlib、GraphX、Spark Streaming。 開發者可以在同一個應用程序中無縫組合使用這些庫。

《深度實踐Spark機器學習》系統講解了Spark機器學習的技術、原理、組件、算法，以及構建Spark機器學習系統的方法、流程、標準和規範。此外，還介紹了Spark的深度學習框架TensorFlowOnSpark，以及如何借助它實現卷積神經網絡和循環神經網絡。

學習參考：

《深度實踐Spark機器學習》PDF，247頁，帶書簽目錄，文字可以復制；
作者 吳茂貴等。
下載：https://pan.baidu.com/s/15l70-TlT0zomyxUroNjJCA
提取碼: aab6

全書共14章，分為四個部分：
第一部分（1~7章）
主要講解了Spark機器學習的技術、原理和核心組件，包括Spark ML、Spark ML Pipeline、Spark MLlib，以及如何構建一個Spark 機器學習系統。

第二部分（8~12章）
主要以實例為主，講解了Spark ML的各種機器學習算法，包括推薦模型、分類模型、聚類模型、回歸模型，以及PySpark決策

第三部分（第13章）
與之前的批量處理不同，本章以在線數據或流式數據為主，講解了Spark的流式計算框架Spark Streaming。
第四部分（第14章）
介紹了Spark深度學習，主要包括TensorFlow的基礎知識及它與Spark的整合框架TensorFlowOnSpark。

學習參考《深度實踐Spark機器學習》PDF+吳茂貴