<abbr id="i0y2m"></abbr><fieldset id="i0y2m"><menu id="i0y2m"></menu></fieldset>

<strike id="i0y2m"><menu id="i0y2m"></menu></strike><ul id="i0y2m"></ul>

注冊(cè) | 登錄讀書好，好讀書，讀好書！

當(dāng)前位置：首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)信息安全大數(shù)據(jù)技術(shù)原理與實(shí)踐

大數(shù)據(jù)技術(shù)原理與實(shí)踐

定　價(jià)：￥30.00

作　者：	暫缺
出版社：	北京郵電大學(xué)出版社
叢編項(xiàng)：	網(wǎng)絡(luò)安全與大數(shù)據(jù)系列叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787563553723	出版時(shí)間：	2018-01-01	包裝：
開本：		頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《大數(shù)據(jù)技術(shù)原理與實(shí)踐/網(wǎng)絡(luò)安全與大數(shù)據(jù)系列叢書》較為全面地介紹了大數(shù)據(jù)相關(guān)技術(shù)和應(yīng)用的現(xiàn)狀。全書共7章：第1章主要介紹大數(shù)據(jù)的基礎(chǔ)概念；第2章和第3章對(duì)主流大數(shù)據(jù)框架從不同側(cè)面進(jìn)行了分析對(duì)比；第4章主要介紹了信息挖掘中的經(jīng)典算法（C4.5 、k-means、支持向量機(jī)、Apriori、EM、PageRank、AdaBoost、Naive Bayes、CART）；第5章內(nèi)容為數(shù)據(jù)的可視化；第6章涉及大數(shù)據(jù)與人工智能的聯(lián)系；第7章介紹大數(shù)據(jù)在現(xiàn)實(shí)生活中的實(shí)際用例。

作者簡(jiǎn)介

　　辛陽，男，博士，北京郵電大學(xué)信息安全中心副教授。長(zhǎng)期從事信息安全及災(zāi)備領(lǐng)域研究工作，主要涉及電信網(wǎng)安全、下一代網(wǎng)絡(luò)安全、移動(dòng)通信安全、存儲(chǔ)災(zāi)備技術(shù)等，主持及參與過國家863計(jì)劃、國家發(fā)改委信息安全專項(xiàng)等近20項(xiàng)及省部級(jí)項(xiàng)目。申請(qǐng)專利30多項(xiàng)，軟件著作權(quán)12項(xiàng)，出版網(wǎng)絡(luò)安全書籍5本，主導(dǎo)國家災(zāi)備標(biāo)準(zhǔn)四項(xiàng)的編寫工作。

圖書目錄

第1章緒論
1．1 什么是大數(shù)據(jù)
1．2 大數(shù)據(jù)的特征
1．3 大數(shù)據(jù)分析的發(fā)展情況
1．4 大數(shù)據(jù)的相關(guān)政策
第2章面向大數(shù)據(jù)的分布式存儲(chǔ)系統(tǒng)
2．1 Bigtable
2．1．1 Bigtable構(gòu)件
2．1．2 Bigtable實(shí)現(xiàn)
2．1．3 Tablet
2．1．4 Bigtable優(yōu)化
2．1．5 Bigtable性能
2．1．6 實(shí)際應(yīng)用
2．2 Google File System
2．2．1 GFS框架
2．2．2 Master節(jié)點(diǎn)
2．2．3 Chunk數(shù)據(jù)塊
2．2．4 元數(shù)據(jù)
2．2．5 系統(tǒng)交互
2．2．6 容錯(cuò)和診斷
2．3 Dynamo
2．3．1 系統(tǒng)架構(gòu)
2．3．2 系統(tǒng)實(shí)現(xiàn)
2．3．3 故障處理
2．4 小結(jié)
第3章面向大數(shù)據(jù)的分布式處理框架
3．1 Hadoop
3．1．1 概述
3．1．2 實(shí)現(xiàn)運(yùn)行
3．1．3 實(shí)際應(yīng)用
3．2 MapReduce
3．2．1 MapReduce實(shí)現(xiàn)
3．2．2 MapReduce的實(shí)際應(yīng)用
3．3 Spark
3．3．1 概述
3．3．2 RDD
3．3．3 Spark處理框架
3．3．4 Spark在實(shí)際中的應(yīng)用
3．4 小結(jié)
第4章面向大數(shù)據(jù)信息挖掘的算法
4．1 C4．5
4．1．1 算法描述
4．1．2 算法特性
4．1．3 軟件實(shí)現(xiàn)
4．1．4 應(yīng)用示例
4．1．5 相關(guān)研究
4．1．6 小結(jié)
4．2 k-means
4．2．1 算法描述
4．2．2 軟件實(shí)現(xiàn)
4．2．3 應(yīng)用示例
4．2．4 相關(guān)研究
4．2．5 小結(jié)
4．3 支持向量機(jī)
4．3．1 支持向量分類器
4．3．2 支持向量分類器的軟間隔優(yōu)化
4．3．3 核技巧
4．3．4 理論基礎(chǔ)
4．3．5 支持向量回歸器
4．3．6 軟件實(shí)現(xiàn)
4．3．7 相關(guān)研究
4．3．8 小結(jié)
4．4 Apriori
4．4．1 算法描述
4．4．2 挖掘序列模式
4．4．3 軟件實(shí)現(xiàn)
4．4．4 應(yīng)用示例
4．4．5 相關(guān)研究
4．4．6 小結(jié)
4．5 EM
4．5．1 引言
4．5．2 算法描述
4．5．3 軟件實(shí)現(xiàn)
4．5．4 應(yīng)用示例
4．5．5 相關(guān)研究
4．5．6 小結(jié)
4．6 PageRank
4．6．1 算法描述
4．6．2 擴(kuò)展：Timed-PageRank
4．6．3 小結(jié)
4．7 AdaBoost
4．7．1 算法描述
4．7．2 軟件實(shí)現(xiàn)
4．7．3 應(yīng)用示例
4．7．4 相關(guān)研究
4．7．5 小結(jié)
4．8 k最近鄰
4．8．1 算法描述
4．8．2 軟件實(shí)現(xiàn)
4．8．3 相關(guān)研究
4．8．4 小結(jié)
4．9 Naive Bayes
4．9．1 算法描述
4．9．2 獨(dú)立變量
4．9．3 模型擴(kuò)展
4．9．4 軟件實(shí)現(xiàn)
4．9．5 應(yīng)用示例
4．9．6 相關(guān)研究
4．9．7 小結(jié)
4．10 分類和回歸樹算法
4．10．1 算法描述
4．10．2 深度討論
4．10．3 軟件實(shí)現(xiàn)
4．10．4 相關(guān)研究
4．10．5 小結(jié)
第5章數(shù)據(jù)可視化
5．1 基本可視化圖表
5．2 示例
5．2．1 全國就業(yè)和薪酬分析
5．2．22015年國內(nèi)外搜索分析
5．3 可視化工具
5．4 D3．js
5．4．1 簡(jiǎn)介
5．4．2 搭建一個(gè)簡(jiǎn)易的D3開發(fā)環(huán)境
5．4．3 如何深入學(xué)習(xí)D3．js
第6章大數(shù)據(jù)與人工智能
6．1 什么是深度學(xué)習(xí)
6．2 深度學(xué)習(xí)主流模型介紹
6．2．1 卷積神經(jīng)網(wǎng)絡(luò)
6．2．2 循環(huán)神經(jīng)網(wǎng)絡(luò)
6．3 深度學(xué)習(xí)實(shí)例
6．3．1 深度學(xué)習(xí)主流工具介紹
6．3．2 利用CNN模型識(shí)別MNIST手寫數(shù)字?jǐn)?shù)據(jù)集
6．3．3 利用RNN模型識(shí)別MNIST手寫數(shù)字?jǐn)?shù)據(jù)集
6．3．4 分布式深度學(xué)習(xí)
6．3．5 分布式深度學(xué)習(xí)實(shí)例
第7章實(shí)踐案例
7．1 云計(jì)算技術(shù)
7．1．1 服務(wù)模式
7．1．2 部署模型
7．2 公安智能大數(shù)據(jù)平臺(tái)
7．2．1 背景
7．2．2 智能大數(shù)據(jù)平臺(tái)架構(gòu)
7．2．3 智能大數(shù)據(jù)平臺(tái)功能介紹
7．3 交警智能大數(shù)據(jù)平臺(tái)
7．3．1 交警智能大數(shù)據(jù)平臺(tái)框架
7．3．2 交警智能大數(shù)據(jù)平臺(tái)技術(shù)框架
7．3．3 功能展示
參考文獻(xiàn)
附錄促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要