1. Новые складчины: Показать еще

    18.12.2017: Брюки для всех. Обработка (Галина Балановская)

    18.12.2017: Багровая фантазия (Наталья Блицена)

    18.12.2017: Большой зимний набор (Наталья Блицена)

    18.12.2017: YouTube Мастер (+Бонусы) (Евгений Попов) (2014)

    18.12.2017: Белая схема заработка от 5000 рублей в неделю

  2. Нужен организатор: Показать еще

    17.12.2017: Travel sketching (Светлана Сидорова)

    17.12.2017: Священная геометрия денежного потока. Составления личной карты финансового успеха (Анная)

    17.12.2017: Белая схема заработка к Новому Году очень прибыльная схема

    17.12.2017: 5 прогнозов за 10 т.р. никаких непонятных систем есть фотопруфы и пр.

    17.12.2017: 3D Lut Creator

  3. Сбор взносов Показать еще

    18.12.2017: Компенсаторная астрология (Павел Андреев)

    17.12.2017: Базовый курс по съемке и обработке 2017 (Антон Исаев)

    17.12.2017: Эволюция понимания денег 2.0 (Алексей Похабов)

    17.12.2017: Проект-менеджмент: Как руководить проектами любой сложности (Константин Шереметьев)

    17.12.2017: Наставничество (Дмитрий Краснов)

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. Нафаня
    2. Aplication
    3. Zander
    4. Лизок
    5. Aplication
    6. Aplication
    7. Нафаня
    Загрузка...
Участники складчины Анализ больших наборов данных (2016) смогут написать отзыв
Наверх