幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大數據十講/十講系列/電腦科學前沿叢書

  • 作者：編者:周烜//陳志廣|責編:梁偉
  • 出版社：機械工業
  • ISBN：9787111736813
  • 出版日期：2024/01/01
  • 裝幀：平裝
  • 頁數：420
人民幣：RMB 95 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    當下，大數據已成為互聯網、人工智慧和數字化轉型等的基礎理論，宏觀了解大數據前沿理論與技術，對於大數據方向的研究人員以及從事大數據開發的工程師來講至關重要。本書由多位大數據領域專家學者合作完成，通過10章內容，深入淺出地闡述大數據的完整前沿知識體系，幫助讀者以宏觀視角把握大數據的發展方向和突破口，真正從普通開發者晉陞為擁有大數據思維並能解決複雜問題的技術專家。
    本書既可作為大數據方向低年級研究生研究大數據技術的入門指南，也可作為從事大數據研究的科研人員的參考書。
作者介紹
編者:周烜//陳志廣|責編:梁偉
目錄
叢書序
「十講」序
前言
第1講  大數據存儲系統
  1.1  大規模雲存儲系統
    1.1.1  雲存儲系統架構
    1.1.2  雲存儲資源管理與數據布局
    1.1.3  大規模索引系統
  1.2  大規模文件系統
    1.2.1  本地文件系統
    1.2.2  網路文件系統
  1.3  本講小結與展望
  參考文獻
第2講  分散式資料庫
  2.1  NoSQL與NewSQL
    2.1.1  NoSQL發展歷史
    2.1.2  鍵值存儲
    2.1.3  文檔資料庫
    2.1.4  圖資料庫
    2.1.5  NewSQL代表
  2.2  分散式資料庫架構
    2.2.1  共享存儲型
    2.2.2  無共享型
    2.2.3  計算、內存與存儲分離型
    2.2.4  架構對比
  2.3  數據分片與複製
    2.3.1  數據分片
    2.3.2  數據複製
    2.3.3  CAP定理
    2.3.4  分散式一致性協議
  2.4  分散式數據處理
    2.4.1  分散式事務處理
    2.4.2  分散式查詢處理
  2.5  本講小結與展望
  參考文獻
第3講  大數據處理系統——批處理
  3.1  Hadoop MapReduce
    3.1.1  Hadoop MapReduce概述
    3.1.2  Hadoop MapReduce架構和核心組件
    3.1.3  Hadoop MapReduce執行過程
    3.1.4  MapReduce編程案例
    3.1.5  Hadoop生態
  3.2  Apache Spark
    3.2.1  Spark概述
    3.2.2  Spark框架
    3.2.3  Spark編程實例
    3.2.4  Spark工具集
  3.3  本講小結與展望
  參考文獻
第4講  流計算系統

  4.1  流計算系統概述
    4.1.1  流數據與流計算
    4.1.2  流計算系統的演進
    4.1.3  流計算系統的研究挑戰
  4.2  數據管理視角的流計算系統
    4.2.1  編程介面
    4.2.2  執行計劃
    4.2.3  資源調度
    4.2.4  故障容錯
  4.3  本講小結與展望
  參考文獻
第5講  大圖數據處理系統
  5.1  大圖數據處理系統概述
    5.1.1  大圖數據特點及查詢
    5.1.2  大圖數據處理特徵及挑戰
    5.1.3  經典大圖數據處理系統
  5.2  電腦制
    5.2.1  以頂點為中心的電腦制
    5.2.2  以邊為中心的電腦制
    5.2.3  以子圖為中心的電腦制
  5.3  通信機制
    5.3.1  共享內存
    5.3.2  消息傳遞
  5.4  圖劃分機制
    5.4.1  邊切分
    5.4.2  點切分
    5.4.3  混合切分
  5.5  任務調度機制
    5.5.1  同步調度
    5.5.2  非同步調度
    5.5.3  混合調度
  5.6  新硬體加速機制
    5.6.1  基於RDMA的通信優化
    5.6.2  基於GPU的計算優化
  5.7  本講小結與展望
  參考文獻
第6講  大數據分析——演算法設計
  6.1  大數據的統計特徵估算演算法
    6.1.1  採樣估算演算法
    6.1.2  Sketch估算演算法
    6.1.3  相關應用
  6.2  大數據的成員查找演算法
    6.2.1  概率型成員查找演算法
    6.2.2  人工智慧賦能的成員查找演算法
    6.2.3  相關應用
  6.3  大數據的近鄰查找演算法
    6.3.1  精確近鄰查找演算法
    6.3.2  近似近鄰查找演算法
    6.3.3  相關應用與潛在研究方向
  6.4  本講小結與展望

  參考文獻
第7講  大數據分析——機器學習
  7.1  概述
    7.1.1  機器學習、深度學習和人工智慧
    7.1.2  大數據和機器學習的關係
    7.1.3  大數據上機器學習存在的問題和挑戰
  7.2  BigDL：分散式大數據AI平台
    7.2.1  設計目標和架構
    7.2.2  BigDL-Nano:對用戶透明的性能加速
    7.2.3  BigDL-Orca:從筆記本電腦到分散式大數據集群的無縫擴展
  7.3  大數據AI在生產實踐中的真實案例
    7.3.1  案例1：基於時序預測的通信網路質量KPI監測
    7.3.2  案例2：基於Transformer架構的分散式AI推薦系統
  7.4  本講小結與展望
  參考文獻
第8講  圖數據挖掘
  8.1  圖的基本定義及性質
    8.1.1  柯尼斯堡七橋問題
    8.1.2  圖的基本定義
    8.1.3  圖的基本性質
  8.2  圖節點鄰近度
    8.2.1  圖節點鄰近度的度量
    8.2.2  圖節點鄰近度的計算
  8.3  圖嵌入
    8.3.1  基於矩陣分解的方法
    8.3.2  基於隨機遊走的方法
  8.4  圖神經網路
    8.4.1  圖神經網路的起源和演變
    8.4.2  可擴展圖神經網路
    8.4.3  複雜圖神經網路
  8.5  本講小結與展望
  參考文獻
第9講  大數據可視化
  9.1  可視化發展歷史與理論模型
    9.1.1  早期的可視化
    9.1.2  基本流程
  9.2  概念、分類及主要方法
    9.2.1  數據類型及視覺映射
    9.2.2  高維與表格數據可視化
    9.2.3  網路（圖）數據可視化
    9.2.4  層次結構數據可視化
    9.2.5  時空數據可視化
    9.2.6  文本數據可視化
  9.3  可視分析
    9.3.1  基本理論
    9.3.2  可視化與可視分析案例
  9.4  大規模數據管理
    9.4.1  數據立方體
    9.4.2  其他數據管理方法
  9.5  常用可視化工具與軟體

    9.5.1  高維數據可視化工具
    9.5.2  文本可視化工具
    9.5.3  網路可視化工具
    9.5.4  可視化構建工具
  9.6  本講小結與展望
  參考文獻
第10講  工業大數據
  10.1  引言
    10.1.1  工業數據集
    10.1.2  工業大數據
    10.1.3  工業大數據生命周期
    10.1.4  工業大數據應用場景
  10.2  工業數據採集
    10.2.1  總體架構
    10.2.2  工業終端
    10.2.3  工業現場協議
    10.2.4  工業數據協議
  10.3  工業時序資料庫
    10.3.1  設備建模與弱模式
    10.3.2  編碼與壓縮
  10.4  工業數據治理
    10.4.1  工業數據集特點
    10.4.2  工業數據集成框架
    10.4.3  時序數據質量控制
  10.5  工業時序數據分析
    10.5.1  工業數據分析流程
    10.5.2  時序數據分析方法
    10.5.3  風機時序數據分析案例
  10.6  本講小結與展望
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032