斯巴克阿帕奇

apachespark:Spark是一个快速通用的大数据集群计算系统。它提供了Scala、Java、Python和R的高级api,以及一个支持用于数据分析的通用计算图的优化引擎。它还支持一组丰富的高级工具,包括用于SQL和DataFrames的sparksql、用于机器学习的MLlib、用于图形处理的GraphX以及用于流处理的Spark流。


zbMATH中的参考文献(参考文献43条)

显示第1到第20个结果,共43个。
按年份排序(引用)
  1. 阿尼尔,罗宾;卡潘,戈汗;德洛斯特·弗洛姆,伊莎贝尔;邓宁,特德;弗里德曼,艾伦;格兰特,特雷弗;奎恩,香农;兰扬,帕里托什;谢尔特,塞巴斯蒂安;是的ı伊玛泽尔,Özg公司ür: apachemahout:分布式数据流系统上的机器学习(2020)
  2. 卡利纳,一月;维德纳洛夫á, Petra:具有高度鲁棒损失函数的回归神经网络(2020)
  3. 篮球运动员;美国焊接学会Albarghouthi;Koutris,Paraschos:数据日志的分发策略(2020年)
  4. 陆海浩;Mazumder,Rahul:随机梯度提升机(2020)
  5. 任鹏飞;戴、浩;陈伟胜:基于八卦通信协议的时变随机网络分布式协作学习(2020)
  6. 萨利希,阿巴斯;Masoumi,Behrooz:KATZ中心性与基于生物地理学的影响最大化问题优化(2020)
  7. 桑巴西万,拉吉夫;达斯,苏利什;Sahu,Sujit K:大数据统计机器学习的贝叶斯视角(2020)
  8. 斯扎巴里,本斯;Kiss,Atila:使用大数据框架进行单词模式预测(2020)
  9. 袁晓彤;李平:关于分布式近似牛顿方法的收敛性:全球化,更清晰的边界和超越(2020)
  10. 刘恒;Ditzler,Gregory:贪婪信息理论特征选择的半并行框架(2019)
  11. 潘先礼;徐益田:基于可行方案的套索安全强化特征筛选策略(2019)
  12. 瑞西,马齐亚尔;巴贝,黑森;Karniadakis,George Em:大数据的参数高斯过程回归(2019)
  13. 罗德里戈,恩里克·G。;亚历多,胡安A。;Gá梅兹,乔斯é A、 :spark crowd:spark package for learning from众包大数据(2019)
  14. Rompf、Tiark;Amin,Nada:500行代码中的SQL到C编译器(2019)
  15. 罗伊,阿西姆;石板库雷什;潘德,卡蒂凯亚;奈尔,迪维莎;盖罗拉,卡提克;贾恩,波亚;辛格,苏拉杰;夏尔玛,基蒂;亚甲代,亚克谢;林毅阳;沙玛,沙尚克;哥蒂,拉姆亚;张月欣;唐、季;梅塔,特哈斯;辛达努鲁,赫曼特;奥卡福,诺索;达斯、桑塔克;戈帕尔,奇丹巴拉。;Rudraraju,斯里尼瓦萨B。;Kakarlapudi,Avinash V.:机器学习平台的性能比较(2019)
  16. 塞努迪因,拉塞什;Teng,Gloria:具有通用性能保证的最小距离直方图(2019年)
  17. 查马尔迪诺,约安尼斯;博尔布达基斯,乔戈斯;卡索格里塔基斯,帕夫洛斯;普拉提卡基斯,多维奥斯;Christophides,Vassilis:高维大数据的贪婪特征选择算法(2019)
  18. 维罗利,米尔科;比尔,雅各布;达米亚尼,费鲁乔;奥德里托,乔治;卡萨迪,罗伯托;Pianini,Danilo:从分布式协调到场微积分和聚合计算(2019)
  19. 于洪;陈云;灵歌,帕万;王国银:大规模数据的三向聚类集成方法(2019)
  20. Chung,Moo K.:大脑网络数据的统计挑战(2018)