Part I 확장 가능한 컴퓨팅의 빌딩 블록

CHAPTER 1 왜 확장 가능한 컴퓨팅이 중요한가?
__1.1 왜 대스크인가?
__1.2 DAG 요리하기
__1.3 확장성, 동시성과 복구
__1.4 예제 데이터셋 소개
__1.5 마치며

CHAPTER 2 대스크 시작하기
__2.1 데이터 프레임 API와의 첫 만남
__2.2 DAG 시각화하기
__2.3 작업 스케줄링
__2.4 마치며


Part II 대스크 데이터 프레임을 이용해 정형 데이터 작업하기

CHAPTER 3 대스크 데이터 프레임 소개하기
__3.1 왜 데이터 프레임을 사용하는가?
__3.2 대스크와 팬더스
__3.3 대스크 데이터 프레임의 한계
__3.4 마치며

CHAPTER 4 대스크 데이터 프레임으로 데이터 불러오기
__4.1 텍스트 파일에서 데이터 읽기
__4.2 관계형 데이터베이스에서 데이터 읽어오기
__4.3 HDFS와 S3에서 데이터 읽어오기
__4.4 파케이 형식으로 데이터 읽어오기
__4.5 마치며

CHAPTER 5 데이터 프레임의 정리와 변환
__5.1 인덱스 및 축 작업하기
__5.2 결측값 다루기
__5.3 데이터 기록하기
__5.4 요소별 연산
__5.5 데이터 프레임의 필터링과 재색인
__5.6 데이터 프레임들을 조인하고 연결하기
__5.7 텍스트 파일과 파케이 파일에 데이터 쓰기
__5.8 마치며

CHAPTER 6 데이터 프레임 요약과 분석
__6.1 기술 통계
__6.2 내장된 집계 함수
__6.3 사용자 정의 집계 함수
__6.4 롤링(윈도우) 함수
__6.5 마치며

CHAPTER 7 시본 라이브러리로 데이터 프레임 시각화하기
__7.1 준비-리듀스-수집-플롯 패턴
__7.2 scatterplot 함수와 regplot 함수로 연속형 관계 시각화하기
__7.3 바이올린 플롯으로 범주형 관계 시각화하기
__7.4 히트맵으로 두 가지 범주형 관계 시각화하기
__7.5 마치며

CHAPTER 8 데이터 셰이더로 위치 데이터 시각화하기
__8.1 데이터 셰이더란 무엇이며 어떤 원리로 동작하는가?
__8.2 대화식 히트맵으로 위치 데이터 플로팅하기
__8.3 마치며


Part III 대스크의 확장과 배포

CHAPTER 9 백(Bags)과 배열 활용하기
__9.1 Bags으로 비정형 데이터 읽고 파싱하기
__9.2 요소 변형, 요소 필터링, 그리고 요소 폴딩하기
__9.3 Bags으로부터 배열 및 데이터 프레임 만들기
__9.4 자연어 툴킷으로 병렬 텍스트 분석을 위해 Bags 사용하기
__9.5 마치며

CHAPTER 10 대스크 ML을 이용한 머신러닝
__10.1 대스크 ML로 선형 모델 만들기
__10.2 대스크 ML 모델 평가 및 튜닝
__10.3 대스크 ML 모델 저장하기
__10.4 마치며

CHAPTER 11 대스크 확장 및 배포
__11.1 도커로 아마존 AWS에서 대스크 클러스터 빌드하기
__11.2 클러스터에서 대스크 작업 실행하고 모니터링하기
__11.3 AWS에서 대스크 클러스터 정리하기
__11.4 마치며

APPENDIX A 소프트웨어 설치
__A.1 아나콘다로 추가 패키지 설치하기
__A.2 아나콘다 없이 패키지 설치하기
__A.3 주피터 노트북 서버 시작하기
__A.4 NLTK 구성하기