Анализ больших наборов данных: пер. с англ.

Détails bibliographiques
Auteur principal: Лесковец Ю. Юре
Autres auteurs: Раджараман А. Ананд, Ульман Дж. Джеффри
Résumé:Эта книга написана ведущими специалистами в области технологий баз данных и веба. Благодаря популярности интернет-торговли появилось много чрезвычайно объемных баз данных, для извлечения информации из которых нужно применять методы добычи данных (data mining).В книге описываются алгоритмы, которые реально использовались для решения важнейших задач добычи данных и могут быть с успехом при­менены даже к очень большим наборам данных. Изложение начинается с рассмотрения технологии MapReduce важного средства распараллелива­ния алгоритмов. Излагаются алгоритмы хэширования с учетом близости и потоковой обработки данных, которые поступают слишком быстро для тщательного анализа. В последующих главах рассматривается идея показа­теля PageRank, нахождение частых предметных наборов и кластеризация. Во второе издание включен дополнительный материал о социальных сетях, машинном обучении и понижении размерности.Издание будет в равной мере полезна студентам и программистам-прак­тикам.
Langue:russe
Publié: Москва, ДМК Пресс, 2016
Sujets:
Format: Livre
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=319318

MARC

LEADER 00000nam0a2200000 4500
001 319318
005 20231102003152.0
010 |a 9785970601907 
035 |a (RuTPU)RU\TPU\book\344827 
090 |a 319318 
100 |a 20160526d2016 km y0rusy50 ca 
101 1 |a rus  |c eng 
102 |a RU 
105 |a a z 001zy 
200 1 |a Анализ больших наборов данных  |e пер. с англ.  |f Ю. Лесковец, А. Раджараман, Дж. Ульман 
210 |a Москва  |c ДМК Пресс  |d 2016 
215 |a 498 с.  |c ил. 
320 |a Библиография в конце глав 
320 |a Предметный указатель: с. 490-497 
330 |a Эта книга написана ведущими специалистами в области технологий баз данных и веба. Благодаря популярности интернет-торговли появилось много чрезвычайно объемных баз данных, для извлечения информации из которых нужно применять методы добычи данных (data mining).В книге описываются алгоритмы, которые реально использовались для решения важнейших задач добычи данных и могут быть с успехом при­менены даже к очень большим наборам данных. Изложение начинается с рассмотрения технологии MapReduce важного средства распараллелива­ния алгоритмов. Излагаются алгоритмы хэширования с учетом близости и потоковой обработки данных, которые поступают слишком быстро для тщательного анализа. В последующих главах рассматривается идея показа­теля PageRank, нахождение частых предметных наборов и кластеризация. Во второе издание включен дополнительный материал о социальных сетях, машинном обучении и понижении размерности.Издание будет в равной мере полезна студентам и программистам-прак­тикам. 
606 1 |a Данные  |x Анализ  |2 stltpush  |3 (RuTPU)RU\TPU\subj\70551  |9 84779 
610 1 |a добыча 
610 1 |a базы данных 
610 1 |a большие объемы 
610 1 |a информация 
610 1 |a извлечение 
610 1 |a Data mining 
610 1 |a алгоритмы 
610 1 |a MapReduce 
610 1 |a распараллеливание 
610 1 |a хэширование 
610 1 |a обработка данных 
610 1 |a PageRank 
610 1 |a кластеризация 
610 1 |a социальные сети 
610 1 |a машинное обучение 
610 1 |a пониженная размерность 
675 |a 004.6  |v 4 
700 1 |a Лесковец  |b Ю.  |g Юре 
701 1 |a Раджараман  |b А.  |g Ананд 
701 1 |a Ульман  |b Дж.  |g Джеффри 
801 1 |a RU  |b 63413507  |c 20160526 
801 2 |a RU  |b 63413507  |c 20161028  |g RCR 
900 |a Базы данных 
942 |c BK 
959 |a 41/20160513  |d 1  |e 999,00  |f ЧЗТЛ:1