标题 知识图与大数据处理 作者 瓦伦蒂娜·贾尼夫(Valentina Janev)、达米安·格拉克斯(Damien Graux)、哈吉拉·贾贝(Hajira Jaben)、伊曼纽尔·萨林格(Emanuel Sallinger) 发布者: 施普林格; 第1版(2020年7月16日); 电子书(知识共享许可) 许可证: 抄送4.0 精装本/平装本 224页 电子书 PDF(212页)和ePub 语言: 英语 ASIN(美国证券代码): 不适用 国际标准图书编号-10: 3030531988 ISBN-13: 978-3030531980 分享这个:
不适用
-
工程化敏捷大数据系统(Kevin Feeney等) 本书概述了处理软件和数据工程中问题的方法,描述了在产品生命周期中调整这些过程的方法。 它讨论了可用于实现这些目标的工具。 -
大数据算法(Hannah Bast等人) 这本开放存取书籍调查了与大数据增长以及日益复杂的硬件相关的选定挑战的解决进展。 解决交通系统、能源供应、医药等问题。 -
背景下的大数据:法律、社会和技术见解 这本书从跨学科的角度为大数据场景的选择提供了新的视角。 它全面概述并介绍了有关大数据的新兴挑战。 -
大数据应用的建模与仿真 长期以来被认为是科学方法的重要支柱,建模和仿真已经从传统的离散数值方法发展到复杂的数据密集型连续分析优化。 -
设计事件驱动系统(Ben Stopford) Apache Kafka流服务的概念和模式:这本书解释了基于服务的架构和流处理工具如何 阿帕奇·卡夫卡 可以帮助您构建业务关键型系统。 -
理解流处理:Apache Kafka背后 本书向您展示了流处理如何使您的数据存储和处理系统更灵活、更简单。 它解释了这些项目如何帮助您围绕流和物化视图重新调整数据库体系结构。 -
使用Apache Spark(Srini Penchikala)进行大数据处理 了解 阿帕奇火花 为大数据分析中的用例构建和开发Spark程序。 它涵盖了Spark生态系统中的所有库,其中包括Spark Core、Spark SQL、Spard Streaming、Spark-MLlib和Spark GraphX。 -
Apache Spark的内部(Jacek Laskowski) 本书介绍了 阿帕奇火花 是一个开源集群计算系统,它使数据分析能够快速写入和运行。 使用Spark,您可以通过Python、Java和Scala中的简单API快速处理大数据集。 -
Apache Spark(Databricks)数据工程师指南 本书面向希望利用Apache Spark的巨大增长来构建更快、更可靠的数据管道的数据工程师。 它利用Spark惊人的速度、可扩展性、简单性和多功能性来构建实用的大数据解决方案。 -
大CPU、大数据:解决世界上最棘手的问题 本书的目标是教你如何编写并行程序,充分利用现代多核计算机、计算集群和图形处理单元(GPU)加速器的强大处理能力。 -
大数据议程:数据伦理与关键数据研究 本书强调,收集、分析和利用大量数字(用户)数据的能力引发了重大的道德问题。 具体案例研究探讨了大数据在学术工作中的使用情况。 -
大数据人工智能(Anand Deshpande等人) 您将学习使用机器学习算法,如k-means、SVM、RBF和回归来执行高级数据分析。 您将了解机器和深度学习技术的现状,以研究遗传和神经模糊算法。 -
Hadoop 3大数据分析(Sridhar Alla) 本书向您展示了如何将Hadoop与许多其他大数据工具结合起来,通过实际示例提供对软件的深入了解及其好处,从而构建强大的分析解决方案。 -
理解大数据:Hadoop和流数据分析 在本书中,讨论了大数据的三个定义特征——数量、多样性和速度。 本实用指南还包括行业用例,以提供一个健壮、安全、高可用的企业级大数据平台。