1. Новые складчины: Показать еще

    22.10.2017: Как найти своего мужчину и сделать его миллионером (Олеся Куклина)

    22.10.2017: «Освоим гитару за 7 дней» [Курс Раиля Арсланова]

    22.10.2017: Marketing Gamers - cоздаем управляемые системы продаж

    22.10.2017: "Конструирование и технология пошива кожаных сумок" (Алёна Острогляд)

    22.10.2017: Рывок (Александр Пасько)

  2. Нужен организатор: Показать еще

    22.10.2017: [Повтор] Всё и сразу -1

    22.10.2017: ИНП. Жизненные сценарии (Антон Ковалевский)

    22.10.2017: 9,5 способов заработка в интернете

    22.10.2017: Автоматический робот бинарных опционов

    22.10.2017: Мультиэкспрессы (smartgambling)

  3. Сбор взносов Показать еще

    22.10.2017: Рывок (Александр Пасько)

    22.10.2017: АКП 2.0 Автоматизированный механизм Массовых Соцрассылок "Стандарт" (Дмитрий Чернышов)

    22.10.2017: Готовые ответы на тесты по Яндекс Директ (new-certificate.ru)

    22.10.2017: Старинный портрет: превращение фото в картину (Olga Cornacchia)

    22.10.2017: Основы здоровья, иммунитета и долголетия. Часть 2. Омега-3 (Рыбий жир) (Леонид Ворслов)

Запись

Анализ больших наборов данных (2016)

Тема в разделе "Электронные книги", создана пользователем Telegram, 6 фев 2016.

Цена:
1140 руб
Взнос:
40 руб
Организатор:
Требуется
Участников:
0/100

Список пока что пуст. Запишитесь первым!

Записаться
    Тип: Стандартная складчина
  1. Telegram
    Telegram Организатор складчин

    Анализ больших наборов данных (2016)

    [​IMG]

    Анализ больших наборов данных (2016)
    • Автор: Ульман Дж., Раджараман А., Лесковец Ю.
    • Дата выхода: 03 марта 2016 года
    • Формат: 165 * 235 мм
    • Бумага: офсетная
    • Обложка: Твердый переплет
    • Объем, стр.: 498
    • ISBN: 978-5-97060-190-7
    • Вес, гр.: 900
    Аннотация:
    Данная книга представляет собой Стэнфордский курс о добыче данных в вебе (Web Mining) с акцентом на анализе данных очень большого объема. В книге принят алгоритмический подход: извлечение данных — это применение алгоритмов к данным, а не использование данных для «обучения» той или иной машины.

    Распределенные файловые системы и технология распределения-редукции (map-reduce) как средство создания параллельных алгоритмов

    Обработка потоков данных и специализированные алгоритмы для работы с быстро поступающими данными

    Принципы работы поисковых систем

    Частые предметные наборы, в том числе поиск ассоциативных правил, анализ корзины, алгоритм Apriori и его усовершенствованные варианты

    Важные задачи: управление рекламой и рекомендательные системы

    Алгоритмы машинного обучения, применимые к очень большим наборам данных


     
    Telegram, 6 фев 2016
  2. Похожие складчины
    1. Shrek
    2. Aplication
    3. Zander
    4. Лизок
    5. Aplication
    6. Aplication
    7. Shrek
    Загрузка...
Участники складчины Анализ больших наборов данных (2016) смогут написать отзыв
Наверх