Data algorithms
Por: Parsian, Mahmoud.
Tipo de material: LibroProductor: Beijing : O'Reilly, 2015Descripción: xxxvii, 737 páginas ; 24 cm.Idioma: InglésISBN: 9781491906187 .Materia(s): MapReduce (Modelo de programación) | Análisis de datos | Algoritmos computacionales | Apache Hadoop | Apache Spark | Procesamiento electrónico de datos | Estructura de datos (Computadores) | Minería de datos -- AlgoritmosClasificación CDD: 005 Recursos en línea: Reseña | Data algorithmsItem type | Current location | Collection | Call number | Copy number | Status | Notes | Date due | Barcode |
---|---|---|---|---|---|---|---|---|
Libro - Material General | Biblioteca Campus Palmas General | General | 005.73/P266 (Browse shelf) | 1 | Available (Sin Restricciones) | A la espera de cambio de idioma | 0049041 |
Incluye referencias bibliográficas (páginas: 721-723)
Incluye indice (páginas: 725-737)
1. Tipo secundario: Introducción
2. Clasificación secundaria: un ejemplo detallado
3. Lista de los 10 mejores
4. Unión externa izquierda
5. Inversión de orden
6. Promedio de movimiento
7. Análisis de carrito de mercado
8. Amigos comunes
9. Motores de recomendación usando MapReduce
10. Recomendación basada en el contenido: Películas
11. Marketing por correo electrónico más inteligente con el modelo de Markov
12. Agrupación de K-Means
13. k-Nearest vecino
14. Naive Bayes
15. Análisis de sentimiento
16. Encontrar, contar y listar todos los triángulos en gráficos grandes
17. Contador K-mer
18. Secuenciación de ADN
19. Regresión de Cox
20. Prueba de Cochran-Armitage para la tendencia
21. Frecuencia alélica
22. El T-Test
23. Correlación de Pearson
24. Recuento de bases de ADN
25. Secuenciación de ARN
26. Agregación de genes
27. Regresión lineal
28. MapReduce y Monoids
29. El problema de los archivos pequeños
30. Enorme caché para MapReduce
31. El filtro Bloom
Si está listo para sumergirse en el marco de MapReduce para procesar grandes conjuntos de datos, este práctico libro lo guía paso a paso a través de los algoritmos y herramientas que necesita para crear aplicaciones distribuidas de MapReduce con Apache Hadoop o Apache Spark. Cada capítulo proporciona una receta para resolver un problema computacional masivo, como la construcción de un sistema de recomendación. Aprenderá a implementar la solución MapReduce adecuada con un código que puede usar en sus proyectos.
El Dr. Mahmoud Parsian cubre patrones básicos de diseño, técnicas de optimización y soluciones de minería de datos y aprendizaje automático para problemas de bioinformática, genómica, estadísticas y análisis de redes sociales. Este libro también incluye una descripción general de MapReduce, Hadoop y Spark. (Basado en el resumen de Amazon, 31/10/2017)
https://www.amazon.com/Data-Algorithms-Recipes-Scaling-Hadoop/dp/1491906189
There are no comments on this title.