标题: 数据流的机器学习:MOA(大规模在线分析)中的实例 作者 Albert Biffet、Ricard Gavalda、Geoff Holmes、Bernhard Pfahringer 发布者: 麻省理工学院出版社(2018年3月2日) 精装本: 288页 电子书: HTML格式 语言: 英语 国际标准图书编号-10: 0262037793 ISBN-13: 978-0262037792 分享这个:
Albert Bifet是Telecom ParisTech的计算机科学教授。
-
设计事件驱动系统(Ben Stopford) 流媒体服务的概念和模式 阿帕奇·卡夫卡 :本书解释了基于服务的体系结构和流处理工具(如Apache Kafka)如何帮助您构建业务关键型系统。 -
卡夫卡:最终指南:实时数据和流处理 通过详细的示例,您将了解 卡夫卡 的设计原则、可靠性保证、关键API和体系结构细节,包括复制协议、控制器和存储层。 -
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。 -
机器学习和数据挖掘(Aaron Hertzmann) 这是对与机器学习基础和数据挖掘中使用的算法相关的主要问题的介绍。 它为机器学习概念提供了基础,也为实际数据挖掘技术提供了实用建议。 -
百页机器学习书(Andriy Burkov) 一百页机器学习中你真正需要了解的一切! 这本书提供了一个很好的实用指南,可以在几天内开始并执行ML,而不必对MLapriori有太多了解。