[R-es] OFFTOPIC: SPARK Y H2O
Hola Jesús,
Te comento varios detalles, aunque son muchos los matices...
- Desde el punto de vista de algoritmos, H2O tiene ventajas sobre Spark
tanto de performance como de variedad. H2O incorpora ya un algoritmo propio
de deeplearning y recientemente ya es compatible con Keras, Tensorflow,
Mxnet ademas de con xgboost. Spark no ha entrado en este mundo todavÃa.
- Estos son los algoritmos que recoge Spark:
https://spark.apache.org/docs/latest/mllib-guide.html
- Y estos los de H2O:
http://docs.h2o.ai/h2o/latest-stable/index.html#algorithms
- No me olvidarÃa de dar una vuelta por esta comparativa de H2O,
Spark, Python, R para diferentes tamaños de conjuntos, capacidad de
predicción, velocidad, etc: https://github.com/szilard/benchm-ml
- Desde el punto de vista de implementación en "producción". Spark está
mucho más extendido, se utiliza como solución para procesamiento en
streaming mientras que h2o no está planteado para esto, aunque puedes crear
un modelo y como objeto ponerlo en producción independiente de arrancar
H2O.
- Spark forma parte de las distribuciones enterprise por defecto y hay
mucho apoyo de las grandes empresas que junto con una gran comunidad hace
más fácil encontrar respuesta a dudas, problemas. H2O está consolidándose
cada vez más pero es una compañÃa de 70 empleados y está centrada puramente
en el MachineLearning Aunque van creciendo muy rápido y los acuerdos
recientes con Nvidia harán que veamos ya H2O sobre GPUs.
Saludos,
Carlos Ortega
www.qualiytexcellence.es
El 1 de julio de 2017, 11:06, Jesús Para Fernández <
j.para.fernandez en hotmail.com> escribió:
Buenas erreros!!
Una cuestión de las que tengo ciertas dudas es saber en que se diferencian
Spark y H2o, si son competencia, si valen para lo mismo o no....
Según lo poco que se, Spark es una manera de agilizar el Map-Reduce, y con
la libreria MLlib, puedes hacer datamining de grandes datasheets, y si lo
conectas con R o con Python, puedes usar ese lenguaje.
H2O es una herramienta que nos permite hacer datamining para grandes
datasets, balanceando entre los nodos/clusters del sistema, y conectado
con R o Python puedes hacerlo usando el lenguaje de estos.
Entonces, para que me vale Spark si tengo ya H2O?
Es que no veo claro para que vale cada herramienta.
Gracias
Jesús
[[alternative HTML version deleted]]
_______________________________________________ R-help-es mailing list R-help-es en r-project.org https://stat.ethz.ch/mailman/listinfo/r-help-es
Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]]