ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب BIG DATA ANALYTICS: Introduction to Hadoop, Spark, and Machine-Learning

دانلود کتاب تجزیه و تحلیل داده های بزرگ: مقدمه ای بر هادوپ، اسپارک و یادگیری ماشینی

BIG DATA ANALYTICS: Introduction to Hadoop, Spark, and Machine-Learning

مشخصات کتاب

BIG DATA ANALYTICS: Introduction to Hadoop, Spark, and Machine-Learning

ویرایش:  
نویسندگان: ,   
سری:  
ISBN (شابک) : 9789353164973, 9353164974 
ناشر: McGraw-Hill Education 
سال نشر: 2019 
تعداد صفحات: 534
[765] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

قیمت کتاب (تومان) : 59,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب BIG DATA ANALYTICS: Introduction to Hadoop, Spark, and Machine-Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل داده های بزرگ: مقدمه ای بر هادوپ، اسپارک و یادگیری ماشینی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل داده های بزرگ: مقدمه ای بر هادوپ، اسپارک و یادگیری ماشینی

تجزیه و تحلیل داده های بزرگ (BDA) یک زمینه به سرعت در حال توسعه است که در بسیاری از زمینه ها مانند مراقبت های بهداشتی، پزشکی، تبلیغات، بازاریابی و فروش کاربرد دارد. این کتاب به تمام جنبه های تجزیه و تحلیل داده های بزرگ می پردازد و موضوع را به طور کامل پوشش می دهد. این شامل چندین تصویر، کدهای نمونه، مطالعات موردی و تجزیه و تحلیل واقعی مجموعه داده‌ها مانند اسباب‌بازی‌ها، شکلات‌ها، اتومبیل‌ها و معدل دانشجویی است. این کتاب در خدمت علایق دانشجویان کارشناسی و کارشناسی ارشد علوم و مهندسی کامپیوتر، فناوری اطلاعات و رشته های مرتبط خواهد بود. همچنین برای توسعه دهندگان نرم افزار مفید خواهد بود. ویژگی های برجسته: - پوشش جامع در پایگاه داده های Big Data NoSQL Column-family، Object و Graph، برنامه نویسی با Big Data منبع باز - ابزارهای اکوسیستم Hadoop و Spark، مانند MapReduce، Hive، Pig، Spark، Python، Mahout، Streaming، GraphX - گنجاندن آخرین موضوعات یادگیری ماشین، K-NN، تحلیل پیش بینی، مجموعه آیتم های مشابه و مکرر، خوشه بندی، درخت تصمیم، توصیه کننده های طبقه بندی، تجزیه و تحلیل داده های جریانی در زمان واقعی، شبکه های نمودار، متن، ساختار وب، پیوندهای وب، تجزیه و تحلیل شبکه های اجتماعی - مکمل وب شامل PPT های آموزشی، راه حل تمرین ها، تجزیه و تحلیل با استفاده از مجموعه داده های منبع باز یک شرکت خودروسازی، و موضوعاتی برای یادگیری پیشرفته است.


توضیحاتی درمورد کتاب به خارجی

Big Data Analytics(BDA) is a rapidly evolving field that finds applications in many areas such as healthcare, medicine, advertising, marketing, and sales. This book dwells on all the aspects of Big Data Analytics and covers the subject in its entirety. It comprises several illustrations, sample codes, case studies and real-life analytics of datasets such as toys, chocolates, cars, and student’s GPAs. The book will serve the interests of undergraduate and post graduate students of computer science and engineering, information technology, and related disciplines. It will also be useful to software developers. Salient Features: - Comprehensive coverage on Big Data NoSQL Column-family, Object and Graph databases, programming with open-source Big Data - Hadoop and Spark ecosystem tools, such as MapReduce, Hive, Pig, Spark, Python, Mahout, Streaming, GraphX - Inclusion of latest topics machine learning, K-NN, predictive-analytics, similar and frequent item sets, clustering, decision-tree, classifiers recommenders, real-time streaming data analytics, graph networks, text, web structure, web-links, social network analytics. - Web supplement includes instructional PPT’s, solution of exercises, analysis using open source datasets of a car company, and topics for advanced learning.





نظرات کاربران