دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Q. Ethan McCallum, Stephen Weston سری: ISBN (شابک) : 1449309925, 9781449309923 ناشر: O'Reilly Media سال نشر: 2011 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 863 کیلوبایت
کلمات کلیدی مربوط به کتاب موازی R: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Parallel R 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 موازی R 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.
بحث کردن با R بهعنوان یک محصول نرمافزار آماری با کیفیت بالا، چند پلتفرمی و منبع باز دشوار است – مگر اینکه در کسب و کار خرد کردن Big Data باشید. این کتاب مختصر شما را با چندین استراتژی برای استفاده از R برای تجزیه و تحلیل مجموعه داده های بزرگ آشنا می کند. شما اصول اولیه Snow، Multicore، Parallel و برخی از ابزارهای مرتبط با Hadoop را یاد خواهید گرفت، از جمله نحوه یافتن آنها، نحوه استفاده از آنها، زمانی که به خوبی کار می کنند و زمانی که این کار را نمی کنند. با این بستهها، میتوانید بر ماهیت تک رشتهای R غلبه کنید و کار را در چندین CPU پخش کنید، یا کار را به چندین ماشین تخلیه کنید تا مانع حافظه R شود. برف: در یک محیط کلاستر سنتی به خوبی کار میکند Multicore: محبوب برای رایانههای چند پردازندهای و چند هستهای موازی: بخشی از نسخه آینده R 2.14.0 R+Hadoop: دسترسی سطح پایین را به شکل محبوب محاسبات خوشه ای RHIPE فراهم می کند: از قدرت Hadoop با زبان R و پوسته تعاملی استفاده می کند Segue: به شما امکان می دهد از Elastic MapReduce به عنوان یک باطن برای سبک lapply استفاده کنید. عملیات
It’s tough to argue with R as a high-quality, cross-platform, open source statistical software product—unless you’re in the business of crunching Big Data. This concise book introduces you to several strategies for using R to analyze large datasets. You’ll learn the basics of Snow, Multicore, Parallel, and some Hadoop-related tools, including how to find them, how to use them, when they work well, and when they don’t. With these packages, you can overcome R’s single-threaded nature by spreading work across multiple CPUs, or offloading work to multiple machines to address R’s memory barrier.Snow: works well in a traditional cluster environment Multicore: popular for multiprocessor and multicore computers Parallel: part of the upcoming R 2.14.0 release R+Hadoop: provides low-level access to a popular form of cluster computing RHIPE: uses Hadoop’s power with R’s language and interactive shell Segue: lets you use Elastic MapReduce as a backend for lapply-style operations