三民網路書店 / 搜尋結果

Spark SQL是Spark生態環境中核心和基礎的組件，是掌握Spark的關鍵所在。本書完全從企業級開發的角度出發，結合多個企業級應用案例，深入剖析Spark SQL。全書共分為8章，包括：認識Spark SQL、DataFrame原理與常用操作、Spark SQL操作多種數據源、Parquet列式存儲、Spark SQL內置函數與窗口函數、Spark SQL UDF與UDAF、Thrift S

本書致力於Spark內核的深入解析，帶領讀者掌握Spark內核的各個關鍵知識點。具體內容由詳細講述RDD提供的功能以及內部實現的機制開始，通過源碼引導讀者深入理解Spark的集群部署的內部機制、Spark內部調度的機制、Executor的內部機制、Shuffle的內部機制，進而講述Tungsten的內部機制，接著又進一步深入分析了SparkStreaming的內部機制。本書的後部分，是任何Spar

人類社會，正以前所未有的速度，進入大資料時代。資料成為企業寶貴的財富資產，資料資產管理能力將決定企業競爭的勝敗。如何應對挑戰、占儘先機，本書將給您一個通盤說明，幫您做好準備，打贏這一場沒有硝煙的戰爭！本書從建立資料資產管理的基礎概念開始，介紹了一個以治理、應用和運營為內容的三層管理框架，分別闡述了每一層所需要具備的能力結構，輔以實際案例剖析，更為詳盡易懂。接下來，通過對資料資產管理戰略設計的探討，

每時每刻都在產生的海量數據與它們產生的時間點聯合就構成了有序的基於時間的序列數據。本書系統闡述了流數據及序列數據研究中幾個重要問題的分析及解決方案，包括靜態時間序列上的事件發現、動態數據流上的事件發現、圖數據流上的事件發現、圖數據流上的通用事件查詢、數據流中的查詢處理時間分配以及動態數據流系統中的數據保護這幾個問題，同時提供了大量基於真實數據集的實驗及結果分析。最後，本書給出了大量可用於流數據問題

全書共11章，系統地介紹了PySpark大數據分析的方法和技巧，內容涵蓋了大數據的相關技術、PySpark的基本概念、Spark環境搭建、數據分析的基本概念及相關工具、開發工具的選擇、Spark核心編程和Spark SQL操作等基礎知識和核心技術，以及Spark流式數據處理、Spark機器學習庫MLlib和基於協同過濾的圖書推薦系統等高級主題。本書通過多個實戰案例，帶領讀者掌握使用Python和Spark進行大數據分析的方法和技巧，從而提高讀者的數據處理能力和業務價值。

《檢索匹配：深度學習在搜索、廣告、推薦系統中的應用》主要介紹了深度學習在互聯網核心的三大類業務(搜索、廣告、推薦系統)檢索系統中的應用。書中詳細講述了檢索匹配的理論、演進歷史，以及在業務中落地一個基於深度學習算法模型的全流程技能，包括業務問題建模、樣本準備、特徵抽取、模型訓練和預測等，並提供了相應的代碼。《檢索匹配：深度學習在搜索、廣告、推薦系統中的應用》共11章，分為四大部分。第1部分(第1～2章)介紹了深度學習的相關理論知識；第2部分(第3～6章)介紹了業務中如何上線一個深度學習模型，包括標簽拼接、特徵抽取、模型訓練和預測等流程，採用單機實現；第3部分(第7～9章)介紹了檢索算法基本理論以及演進歷史，並以業內應用較為廣泛的雙塔模型DSSM為例進行了詳細理論解析和代碼實現；第4部分(第10～11章)介紹了如何將單機訓練模式改造為分布式訓練模式，以加快模型的訓練速度，從而應對具有海量樣本的業務場景。《檢索匹配：深度學習在搜索、廣告、推薦系統中的應用》為讀者提供了全部案例源代碼下載和超過180分鐘的高清學習視頻，讀者可直接掃描二維碼觀看。《檢索匹配：深度學習在搜索、廣告、推薦系統中的應用》旨在為讀者介紹深度學習在互聯網業務中落地的方法和實現，主要面向算法工程師、相關領域研究人員和相關專業院校師生。

《商業化推薦系統服務應用實戰》主要從企業的商業模式出發，結合作者對企業生命週期發展階段的分析和判斷，對如何設計與實施推薦系統服務的商業化過程和相關業務實踐進行介紹和分享。本書涵蓋了從推薦服務的商業創新模式到需求與解決方案管理、商業化版本發佈、工作流支持以及績效KPI體系設計和跨職能團隊的溝通技術等方面的內容，著重體現了現代商業化產品生態中，跨職能團隊的密切協作與商業化服務的可靠交付的價值。 《商業化推薦系統服務應用實戰》適合軟件創新型企業的團隊領導者、決策者閱讀，同時對希望通過商業智能技術對企業進行轉型的領導者、執行者也有指導作用。

本書是“十三五”國家重點圖書規劃“大數據科學”叢書著作。全書系統闡述針對非線性觀測模型的最小二乘估計理論與方法，側重理論的系統性和論證的嚴謹性，同時也強調應用性和可讀性。主要內容包括：非線性最小二乘估計理論與方法的基礎觀測模型與方法，含有第Ⅰ、Ⅱ、Ⅲ類等式約束非線性最小二乘估計理論與方法，誤差協方差矩陣秩虧損的非線性最小二乘估計理論與方法，第Ⅰ、Ⅱ、Ⅲ類偽線性觀測模型的偽線性最小二乘估計理論與方法，第Ⅰ、Ⅱ類參數解耦合觀測模型的參數解耦合最小二乘估計理論與方法，以及多類型參數交替迭代、蒙特卡羅重要性採樣非線性最小二乘估計理論與方法。針對每一類最小二乘估計方法，從參數估計的角度進行描述，給出觀測模型、參數估計優化模型及其數值求解方法，並且推導理論估計性能。書中含有大量實例和數值實驗結果，便於讀者理解和掌握。“大數據科學”叢書涉及大數據理論、技術、產業和管理的方方面面，旨在幫助國內相關領域的學者、產業界人士瞭解國內外大數據研究和應用的前沿進展，也可作教學之用。