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 Practical Graph Analytics with Apache Giraph

دانلود کتاب آنالیز نمودار عملی با Apache Giraph

مشخصات کتاب

Practical Graph Analytics with Apache Giraph

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش:  
نویسندگان: Claudio Martella,  Dionysios Logothetis,  Roman Shaposhnik  
سری:  
ISBN (شابک) : 9781484212523 
ناشر: Apress 
سال نشر: 2015 
تعداد صفحات: 320 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت

قیمت کتاب (تومان) : 41,000

کلمات کلیدی مربوط به کتاب آنالیز نمودار عملی با Apache Giraph: انفورماتیک و مهندسی کامپیوتر، محاسبات موازی و VS

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 2

در صورت تبدیل فایل کتاب Practical Graph Analytics with Apache Giraph 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 آنالیز نمودار عملی با Apache Giraph 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 آنالیز نمودار عملی با Apache Giraph

تجزیه و تحلیل گراف عملی با Apache Giraph به شما کمک می کند تا برنامه های داده کاوی و یادگیری ماشین را با استفاده از چارچوب Giraph بنیاد آپاچی برای پردازش گراف بسازید. این همان چارچوبی است که توسط فیس‌بوک، گوگل و سایر عملیات‌های تحلیلی رسانه‌های اجتماعی برای استخراج ارزش تجاری از مقادیر زیادی از نقاط داده‌ای به هم پیوسته استفاده می‌شود. نمودارها در انبوهی از سناریوهای داده به وجود می آیند و ارتباطاتی را توصیف می کنند که به طور طبیعی در هر دو دنیای دیجیتال و واقعی شکل می گیرند. نمونه‌هایی از این ارتباطات در شبکه‌های اجتماعی آنلاین مانند فیس‌بوک و توییتر، در میان کاربرانی که به فیلم‌های سرویس‌هایی مانند نتفلیکس و آمازون پرایم امتیاز می‌دهند، فراوان است و حتی در زمینه شبکه‌های بیولوژیکی برای تحقیقات علمی مفید هستند. چه در زمینه کسب و کار یا علم، مشاهده داده‌ها به‌عنوان مرتبط با افزایش مقدار اطلاعات موجود که از آن داده‌ها استخراج می‌شود و برای ایجاد درآمد یا فرصت‌های علمی جدید استفاده می‌شود، ارزش اضافه می‌کند. Apache Giraph یک مدل برنامه نویسی ساده و در عین حال منعطف را ارائه می دهد که الگوریتم های نموداری را هدف قرار می دهد و به گونه ای طراحی شده است که به راحتی مقیاس داده شود تا حجم عظیمی از داده را در خود جای دهد. Giraph که ابتدا در یاهو توسعه یافته بود، اکنون یک پروژه سطح بالا در بنیاد آپاچی است و از شرکت هایی مانند فیس بوک، لینکدین و توییتر مشارکت می کند.

توضیحاتی درمورد کتاب به خارجی

Practical Graph Analytics with Apache Giraph helps you build data mining and machine learning applications using the Apache Foundation's Giraph framework for graph processing. This is the same framework as used by Facebook, Google, and other social media analytics operations to derive business value from vast amounts of interconnected data points. Graphs arise in a wealth of data scenarios and describe the connections that are naturally formed in both digital and real worlds. Examples of such connections abound in online social networks such as Facebook and Twitter, among users who rate movies from services like Netflix and Amazon Prime, and are useful even in the context of biological networks for scientific research. Whether in the context of business or science, viewing data as connected adds value by increasing the amount of information available to be drawn from that data and put to use in generating new revenue or scientific opportunities. Apache Giraph offers a simple yet flexible programming model targeted to graph algorithms and designed to scale easily to accommodate massive amounts of data. Originally developed at Yahoo!, Giraph is now a top top-level project at the Apache Foundation, and it enlists contributors from companies such as Facebook, LinkedIn, and Twitter.