大数
大数据与机器学习:实践方法与行业案例
资源名称:大数据与机器学习:实践方法与行业案例 内容简介: 本书从企业实践出发,内容覆盖数据、平台、分析和应用等企业内数据流转的主要环节。布局上,按照数据与平台篇、分析篇和应用篇分别撰写。数据与平台篇(第 章),立足找到数据、整合数据、使用数据三个角度,介绍数据在企业内的分布和处理逻辑,以便快速为分析准备素材。分析篇(第 章),选取企业实际案例,介绍常用的数据挖掘与机器学习算法,以业务场景为导向展示数据分析过程和技巧。应用篇(第 章),选取当前主流的四个应用场景,介绍如何实现数据驱动,让数据 自动 流转于
Python和HDF5大数据应用 带目录完整pdf_Python教程
资源名称: 和 大数据应用 带目录完整 语言在科学计算和数据处理领域应用前景广阔。大数据时代,催生了人们处理大量数据的实际需求。 应用领域的拓展,越来越多的人将 用于处理大型数值数据集,使用标准格式来进行数据的存储和通信也显得越来越重要,而 也正迅速成为人们存储科学数据的选择。本书会带你迅速了解使用 对大小从 至 的数字数据集进行存档和共享的细节、实践以及陷阱,体验在 语言中用 存储科学数据。通过真实世界的例子以及动手练习,你将依次学习科学数据集、层次性组织的组、用户定义的元数据,以及有互操作性的文件等主
实战大数据 MATLAB数据挖掘详解与实践 中文pdf
资源名称:实战大数据 数据挖掘详解与实践 中文 第 章 绪论 数据挖掘概述 数据挖掘的分类 数据挖掘的过程 数据挖掘的任务 数据挖掘的对象 数据库 文本 图像与视频数据 数据 数据挖掘建模方法 业务理解 数据理解 数据准备 建模 评估 部署 数据挖掘的应用 在金融领域的应用 在零售业中的应用 在电信业的应用 在管理中的应用 在化学研究领域中的应用 在材料研究、生产方面的应用 在机械故障诊断与监测中的应用 在医疗领域中的应用 第 章 数据挖掘算法 决策树算法 决策树基本算法 算法 算法 算法 决策树的评价标
Python+Spark 2.0+Hadoop机器学习与大数据实战
资源名称: 机器学习与大数据实战 内容简介: 本书从浅显易懂的 大数据和机器学习 原理说明入手,讲述大数据和机器学习的基本概念,如分类、分析、训练、建模、预测、机器学习(推荐引擎)、机器学习(二元分类)、机器学习(多元分类)、机器学习(回归分析)和数据可视化应用等。书中不仅加入了新近的大数据技术,还丰富了 机器学习 内容。 为降低读者学习大数据技术的门槛,书中提供了丰富的上机实践操作和范例程序详解,展示了如何在单机 系统上通过 虚拟机安装多机 虚拟机,如何建立 集群,再建立 开发环境。书中介绍搭建的上机实
Storm实战:构建大数据实时计算 带书签 完整PDF
资源名称: 实战 构建大数据实时计算 带书签 完整 第 章 基础 能做什么 特性 其他流计算系统 应用模式第 章 初体验 本地环境搭建 集群第 章 构建 基本概念 构建 小结第 章 的并行度 并行元素 配置并行度 一个运行中 的例子 如何更新运行中的 的并行度第 章 消息的可靠处理 简介 理解消息被完整处理 消息的生命周期 可靠相关的 高效地实现 选择合适的可靠性级别 集群的各级容错 小结第 章 一致性事务 简单设计一:强顺序流 简单设计二:强顺序 流 的原理 第 章 总体概述 本地模式 远程模式 一个复
Spark大数据分析实战 高彦杰 完整pdf
资源名称: 大数据分析实战 高彦杰 完整 第 章 简介 初识 生态系统 架构与运行逻辑 弹性分布式数据集 简介 算子分类 本章小结 第 章 开发与环境配置 应用开发环境配置 使用 开发 程序 使用 进行交互式数据分析 远程调试 程序 编译 配置 源码阅读环境 本章小结 第 章 简介 为什么使用 架构分析 简介 架构 原理剖析 简介 的使用简介 体系结构 简介 中的聚类和分类 本章小结 第 章 架构日志分析流水线 日志分析概述 日志分析指标 架构 构建日志分析数据流水线 用 进行日志采集 用 将日志汇总 用
大数据真实案列分析《HadoopSpark企业应用实战》11月份班
资源名称:大数据真实案列分析《 企业应用实战》 月份班 教程内容: 授 课 对 象 商业智能( )和企业数据仓库( )的管理人员、建模人员、分析和开发人员、系统管理员等; 有意将 生态系统中的组件,作为现有 的补充,或未来替代产品的项目负责人及开发人员; 企业中牵涉到大数据处理的数据中心运行、规划、设计负责人; 企业级应用、整合项目的成员、负责人、开发人员 熟悉 生态系统,想了解和学习 与 整合在企业应用实战案例的朋友。 课 程 大 纲 本课程会介绍 各组件的架构,但不会涉及任何安装的内容,安装的教程、录