顛覆大數據分析 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

Vijay Srinivas Agneeswaran 博士，1998 年於SVCE 的馬德拉斯分校獲得計算機科學與工程專業的學士學位，2001 年獲取瞭印度理工學院馬德拉斯分校的碩士學位（研究性質），2008年又獲取瞭該校的博士學位。他曾在瑞士洛桑的聯邦理工學院的分布式信息係統實驗室（LSIR）擔任過一年的博士後研究員。之前7 年先後就職於Oracle、Cognizant 及Impetus，對大數據及雲領域的工程研發貢獻頗多。目前擔任Impetus 的大數據實驗室的執行總監。他的研發團隊在專利、論文、受邀的會議發言以及下一代産品創新方麵都處於領導地位。他主要研究的領域包括大數據管理、批處理及實時分析，以及大數據的機器學習算法的實現範式。最近8 年來，他一直是計算機協會（ACM）以及電氣和電子工程師協會（IEEE）的專傢成員，並於2012年12 月被推選為IEEE 的資深成員。他在美國、歐洲以及印度的專利局都申請過專利（並持有美國的兩項專利）。他在前沿的期刊及會議，包括IEEE transaction 上都發錶過論文。他還是國內外多個會議的特邀發言人，譬如O’Reilly 的Strata 大數據係列會議。最近一次公開發錶論文是在Liebertpub 的大數據期刊上。他與妻子及兒女一起居住在班加羅爾，對印度、埃及、巴比倫以及希臘古代的文化與哲學的研究非常感興趣。

Vijay Srinivas Agneeswaran 博士，1998 年於SVCE 的馬德拉斯分校獲得計算機科學與工程專業的學士學位，2001 年獲取瞭印度理工學院馬德拉斯分校的碩士學位（研究性質），2008年又獲取瞭該校的博士學位。他曾在瑞士洛桑的聯邦理工學院的分布式信息係統實驗室（LSIR）擔任過一年的博士後研究員。之前7 年先後就職於Oracle、Cognizant 及Impetus，對大數據及雲領域的工程研發貢獻頗多。目前擔任Impetus 的大數據實驗室的執行總監。他的研發團隊在專利、論文、受邀的會議發言以及下一代産品創新方麵都處於領導地位。他主要研究的領域包括大數據管理、批處理及實時分析，以及大數據的機器學習算法的實現範式。最近8 年來，他一直是計算機協會（ACM）以及電氣和電子工程師協會（IEEE）的專傢成員，並於2012年12 月被推選為IEEE 的資深成員。他在美國、歐洲以及印度的專利局都申請過專利（並持有美國的兩項專利）。他在前沿的期刊及會議，包括IEEE transaction 上都發錶過論文。他還是國內外多個會議的特邀發言人，譬如O’Reilly 的Strata 大數據係列會議。最近一次公開發錶論文是在Liebertpub 的大數據期刊上。他與妻子及兒女一起居住在班加羅爾，對印度、埃及、巴比倫以及希臘古代的文化與哲學的研究非常感興趣。

目錄
前言
緻謝
關於作者
1 引言：為什麼要超越 Hadoop Map-Reduce 1
Hadoop的適用範圍 3
大數據分析之機器學習實現的革命 10
第一代機器學習工具 /範式 11
第二代機器學習工具 /範式 11
第三代機器學習工具 /範式 14
小結 18
參考文獻 19
2 何為伯剋利數據分析棧（BDAS） 23
實現 BDAS的動機 24
Spark：動機 25
Shark：動機 26
Mesos：動機 28
BDAS的設計及架構 29
Spark：高效的集群數據處理的範式 34
Spark的彈性分布式數據集 36
Spark的實現 40
Spark VS. 分布式共享內存係統 42
RDD的錶達性 44
類似 Spark的係統 45
Shark：分布式係統上的 SQL接口 46
Spark為 Shark提供的擴展 47
列內存存儲 49
分布式數據加載 50
完全分區智能連接 50
分區修剪 50
機器學習的支持 51
Mesos：集群調度及管理係統 51
Mesos組件 52
資源分配 54
隔離 55
容錯性 57
小結 58
參考文獻 59
3 使用 Spark實現機器學習算法 66
機器學習基礎知識 66
機器學習：隨機森林示例 68
邏輯迴歸：概述 72
二元形式的邏輯迴歸 73
邏輯迴歸估計 75
多元邏輯迴歸 76
Spark中的邏輯迴歸算法 77
支持嚮量機 80
復雜決策麵 81
支持嚮量機背後的數學原理 82
Spark中的支持嚮量機 84
Spark對 PMML的支持 85
PMML結構 87
PMML的生産者及消費者 92
Spark對樸素貝葉斯的 PMML支持 94
Spark對綫性迴歸的 PMML支持 95
在 Spark中使用 MLbase進行機器學習 97
參考文獻 99
4 實現實時的機器學習算法 101
Storm簡介 101
數據流 103
拓撲 104
Storm集群 105
簡單的實時計算例子 106
數據流組 108
Storm的消息處理擔保 109
基於 Storm的設計模式 111
分布式遠程過程調用 111
Trident：基於 Storm的實時聚閤 115
實現基於 Storm的邏輯迴歸算法 116
實現基於 Storm的支持嚮量機算法 120
Storm對樸素貝葉斯 PMML的支持 122
實時分析的應用 126
工業日誌分類 126
互聯網流量過濾器 130
Storm的替代品 131
Spark流 133
D-Streams的動機 133
參考文獻 135
5 圖處理範式 138
Pregel：基於 BSP的圖處理框架 139
類似的做法 141
開源的 Pregel實現 143
Giraph 143
GoldenORB 145
Phoebus 145
Apache Hama 146
Stanford GPS 146
GraphLab 147
GraphLab：多核版本 148
分布式的 GraphLab 150
PowerGraph 152
通過 GraphLab實現網頁排名算法 156
頂點程序 158
基於 GraphLab實現隨機梯度下降算法 163
參考文獻 167
6 結論：超越Hadoop Map-Reduce的大數據分析 171
Hadoop YARN概覽 172
Hadoop YARN的動機 172
作為資源調度器的 YARN 174
YARN上的其他框架 175
大數據分析的未來是怎樣的 177
參考文獻 180
附錄A 代碼筆記 182
· · · · · · (收起)