今天，许多信息源（包括传感器网络、金融市场、社交网络和医疗保健监测）都是所谓的数据流，它们是按顺序高速到达的。分析必须实时进行，包含部分数据，但无法存储整个数据集。
本书介绍了数据流挖掘和实时分析中使用的算法和技术。本书采用亲身实践的方法，使用MOA（大规模在线分析）演示了这些技术，MOA是一个流行的、免费可用的开放源码软件框架，允许读者在阅读解释后尝试这些技术。
本书首先简要介绍了该主题，包括大数据挖掘、数据流挖掘的基本方法，以及MOA的一个简单示例。接下来将进行更详细的讨论，包括关于草图技术、更改、分类、集成方法、回归、聚类和频繁模式挖掘的章节。
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。
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。
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。
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。
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。
