返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • Hadoop高级数据分析 使用Hadoop生态系统设计和构建大数据系统
  • 新华书店正版
    • 作者: (美)克里·柯伊兹(Kerry Koitzsch) 著;王建峰,王瑛琦,于金峰 译著
    • 出版社: 清华大学出版社
    • 出版时间:2018-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)克里·柯伊兹(Kerry Koitzsch) 著;王建峰,王瑛琦,于金峰 译著
    • 出版社:清华大学出版社
    • 出版时间:2018-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-01-01
    • 字数:334千字
    • 页数:225
    • 开本:16开
    • 装帧:平装
    • ISBN:9787302487302
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    Hadoop高级数据分析 使用Hadoop生态系统设计和构建大数据系统

    作  者:(美)克里·柯伊兹(Kerry Koitzsch) 著;王建峰,王瑛琦,于金峰 译
    定  价:59.8
    出 版 社:清华大学出版社
    出版日期:2018年01月01日
    页  数:225
    装  帧:平装
    ISBN:9787302487302
    主编推荐

    内容简介

    学习不错分析技术,并利用现有工具包使分析应用更加强大、准确和高效!《Hadoop不错数据分析使用Hadoop生态系统设计和构建大数据系统》将架构、设计及实现信息恰当地融为一体,将指导你创建超越基础方法(SF分类、聚类、推荐)的分析系统。在《Hadoop 不错数据分析 使用Hadoop 生态系统设计和构建大数据系统》中,很好实践强调“确保连贯、高效的开发”。将使用包含工具箱、库、可视化组件和报表代码在内的标准第三方组件,借助集成“组合件”开发一个可运行的、可扩展的、端到端的完整示例系统。《Hadoop 不错数据分析 使用Hadoop 生态系统设计和构建大数据系统》强调以下四点:● 具有分析组件及合理可视化结果的完整、灵活、可配置、高性能数据管道系统的重要性。深入探讨的主题包括Spark、H2O、Vopal Wabnull

    作者简介

    Kerry Koitzsch,在计算机科学、图像处理和软件工程等领域拥有超过二十年的工作经验,致力于研究Apache Hadoop和Apache Spark技术。Kerry擅长软件咨询,精通一些定制的大数据应用,包括分布式搜索、图像分析、立体视觉和智能图像检索系统。Kerry目前就职于Kildane软件技术股份有限公司,该公司是加州桑尼维尔市的一个机器人系统和图像分析软件提供商。

    精彩内容

    目录
    第Ⅰ部分 概念
    第1章 概述:用Hadoop构建数据分析系统 3
    1.1 构建DAS的必要性 4
    1.2 Hadoop Core及其简史 4
    1.3 Hadoop生态系统概述 5
    1.4 AI技术、认知计算、深度学习以及BDA 6
    1.5 自然语言处理与BDAS 6
    1.6 SQL与NoSQL查询处理 6
    1.7 必要的数学知识 7
    1.8 设计及构建BDAS的循环过程 7
    1.9 如何利用Hadoop生态系统实现BDA 10
    1.10 “图像大数据”(IABD)基本思想 10
    1.10.1 使用的编程语言 12
    1.10.2 Hadoop生态系统的多语言组件 12
    1.10.3 Hadoop生态系统架构 13
    1.11 有关软件组合件与框架的注意事项 13
    1.12 Apache Lucene、Solr及其他:开源搜索组件 14
    1.13 建立BDAS的架构 15
    1.14 你需要了解的事情 15
    1.15 数据可视化与报表 17
    1.15.1 使用Eclipse IDE作为开发环境 18
    1.15.2 本书未讲解的内容 19
    1.16 本章小结 21
    第2章 Scala及Python进阶 23
    2.1 动机:选择正确的语言定义应用 23
    2.2 Scala概览 24
    2.3 Python概览 29
    2.4 错误诊断、调试、配置文件及文档 31
    2.4.1 Python的调试资源 32
    2.4.2 Python文档 33
    2.4.3 Scala的调试资源 33
    2.5 编程应用与示例 33
    2.6 本章小结 34
    2.7 参考文献 34
    第3章 Hadoop及分析的标准工具集 35
    3.1 库、组件及工具集:概览 35
    3.2 在评估系统中使用深度学习方法 38
    3.3 使用Spring框架及Spring Data 44
    3.4 数字与统计库:R、Weka及其他 44
    3.5 分布式系统的OLAP技术 44
    3.6 用于分析的Hadoop工具集:Apache Mahout及相关工具 45
    3.7 Apache Mahout的可视化 46
    3.8 Apache Spark库与组件 46
    3.8.1 可供选择的不同类型的shell 46
    3.8.2 Apache Spark数据流 47
    3.8.3 Sparkling Water与H2O机器学习 48
    3.9 组件使用与系统建立示例 48
    3.10 封包、测试和文档化示例系统 50
    3.11 本章小结 51
    3.12 参考文献 51
    第4章 关系、NoSQL及图数据库 53
    4.1 图查询语言:Cypher及Gremlin 55
    4.2 Cypher示例 55
    4.3 Gremlin示例 56
    4.4 图数据库:Apache Neo4J 58
    4.5 关系数据库及Hadoop生态系统 59
    4.6 Hadoop以及UA组件 59
    4.7 本章小结 63
    4.8 参考文献 64
    第5章 数据管道及其构建方法 65
    5.1 基本数据管道 66
    5.2 Apache Beam简介 67
    5.3 Apache Falcon简介 68
    5.4 数据源与数据接收:使用Apache Tika构建数据管道 68
    5.5 计算与转换 70
    5.6 结果可视化及报告 71
    5.7 本章小结 74
    5.8 参考文献 74
    第6章 Hadoop、Lucene、Solr与高级搜索技术 75
    6.1 Lucene/Solr生态系统简介 75
    6.2 Lucene查询语法 76
    6.3 使用Solr的编程示例 79
    6.4 使用ELK栈(Elasticsearch、Logstash、Kibana) 85
    6.5 Solr与Elasticsearch:特点与逻辑 93
    6.6 应用于Elasticsearch和Solr的Spring Data组件 95
    6.7 使用LingPipe和GATE实现定制搜索 99
    6.8 本章小结 108
    6.9 参考文献 108
    第Ⅱ部分 架构及算法
    第7章 分析技术及算法概览 111
    7.1 算法类型综述 111
    7.2 统计/数值技术 112
    7.3 贝叶斯技术 113
    7.4 本体驱动算法 114
    7.5 混合算法:组合算法类型 115
    7.6 代码示例 116
    7.7 本章小结 119
    7.8 参考文献 119
    第8章 规则引擎、系统控制与系统编排 121
    8.1 规则系统JBoss Drools介绍 121
    8.2 基于规则的软件系统控制 124
    8.3 系统协调与JBoss Drools 125
    8.4 分析引擎示例与规则控制 126
    8.5 本章小结 129
    8.6 参考文献 129
    第9章 综合提升:设计一个完整的分析系统 131
    9.1 本章小结 136
    9.2 参考文献 136
    第Ⅲ部分 组件与系统
    第10章 数据可视化:可视化与交互分析 139
    10.1 简单的可视化 139
    10.2 Angular JS和Friends简介 143
    10.3 使用JHipster集成Spring XD和Angular JS 143
    10.4 使用d3.js、sigma.js及其他工具 152
    10.5 本章小结 153
    10.6 参考文献 153
    第Ⅳ部分 案例研究与应用
    第11章 生物信息学案例研究:分析显微镜载玻片数据 157
    11.1 生物信息学介绍 157
    11.2 自动显微镜简介 159
    11.3 代码示例:使用图像填充HDFS 162
    11.4 本章小结 165
    11.5 参考文献 165
    第12章 贝叶斯分析组件:识别信用卡诈骗 167
    12.1 贝叶斯分析简介 167
    12.2 贝叶斯组件用于信用卡诈骗检测 169
    12.3 本章小结 172
    12.4 参考文献 172
    第13章 寻找石油:使用Apache Mahout分析地理数据 173
    13.1 基于领域的Apache Mahout推理介绍 173
    13.2 智能制图系统和Hadoop分析 179
    13.3 本章小结 180
    13.4 参考文献 180
    第14章 “图像大数据”系统:一些案例研究 181
    14.1 图像大数据简介 181
    14.2 使用HIPI系统的第一个代码示例 184
    14.3 BDA图像工具包利用高级语言功能 187
    14.4 究竟什么是图像数据分析? 187
    14.5 交互模块和仪表板 189
    14.6 添加新的数据管道和分布式特征查找 189
    14.7 示例:分布式特征查找算法 190
    14.8 IABD工具包中的低级图像处理程序 194
    14.9 术语 194
    14.10 本章小结 195
    14.11 参考文献 195
    第15章 构建通用数据管道 199
    15.1 示例系统的体系架构和描述 199
    15.2 如何获取和运行示例系统 200
    15.3 管道构建的五大策略 200
    15.3.1 从数据源和接收装置工作 200
    15.3.2 由中间向外发展 200
    15.3.3 基于企业集成模式(EIP)的开发 200
    15.3.4 基于规则的消息管道开发 201
    15.3.5 控制+数据(控制流)管道 202
    15.4 本章小结 202
    15.5 参考文献 203
    第16章 大数据分析的总结与展望 205
    16.1 总结 205
    16.2 大数据分析的现状 206
    16.3 “孵化项目”和“初期项目” 208
    16.4 未来Hadoop及其后续思考 209
    16.5 不同观点:目前Hadoop的替代方案 211
    16.6 在“未来Hadoop”中使用机器学习和深度学习技术 211
    16.7 数据可视化和BDA的前沿领域 212
    16.8 结束语 212
    附录A 设置分布式分析环境 215
    附录B 获取、安装和运行示例分析系统 227

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购