掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Alink權威指南:基于Flink的機器學習實例入門(Python) 版權信息
- ISBN：9787121431289
- 條形碼：9787121431289 ; 978-7-121-43128-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Alink權威指南:基于Flink的機器學習實例入門(Python) 本書特色
《Alink非常不錯指南：基于Flink的機器學習實例入門（Python）》是Alink創始人楊旭老師的一本心血力作。它不僅集合了作者對Flink與Alink框架的深度觀察與分析，還集合了眾多學習者在學習中遇到的難點、疑點問題，作者在書中均一一剖析，并給合常見的實例進行詳盡的說明，使讀者能夠毫無障礙地入門解決工作中的問題。 不僅如此，本書還提供了完整的源代碼，讀者在個人計算機中就能直接嘗試、驗證書中的方法和算法。書中所介紹的是均是業界正在使用的工具，支持分布式計算處理海量的數據、支持流式數據的場景，同時機器學習流程及模型還可以方便地嵌入用戶的應用系統或預測服務中。
Alink權威指南:基于Flink的機器學習實例入門(Python) 內容簡介
Alink是阿里巴巴開源的機器學習算法平臺，提供了豐富、高效的算法及簡便的使用方式，可幫助用戶快速構建業務應用。Alink很好適合工業級的實際應用，支持在個人計算機上快速進行原型研發，支持分布式計算處理海量的數據，支持流式數據的場景，同時機器學習流程與模型可以方便地嵌入用戶的應用系統或預測服務中。 本書是根據機器學習的知識點由淺入深來逐層講述的，這樣可降低閱讀的門檻，讓讀者能對所學的內容有一個清晰的印象，并可熟練地運用到實踐中。本書重點介紹算法的使用，每節結合實際的數據和典型的場景，通過Alink算法組件形成完整的解決方案，可幫助讀者理解各類算法所擅長處理的問題，同時本書的方案還可以被推廣、應用到類似的場景中。 本書適合機器學習算法的初學者及中級用戶快速入門，也可供數據分析師、算法工程師等專業人員參考閱讀。
Alink權威指南:基于Flink的機器學習實例入門(Python) 目錄
第1章 Alink快速上手
1.1 Alink是什么
1.2 免費下載、安裝
1.3 Alink的功能
1.3.1 豐富的算法庫
1.3.2 多樣的使用體驗
1.3.3 與SparkML的對比
1.4 關于數據和代碼
1.5 簡單示例
1.5.1 數據的讀/寫與顯示
1.5.2 批式訓練和批式預測
1.5.3 流式處理和流式預測
1.5.4 定義Pipeline，簡化操作
1.5.5 嵌入預測服務系統
第2章 系統概況與核心概念
2.1 基本概念
2.2 批式任務與流式任務
2.3 Alink=A+link
2.3.1 BatchOperator和StreamOperator
2.3.2 link方式是批式算法/流式算法的通用使用方式
2.3.3 link的簡化
2.3.4 組件的主輸出與側輸出
2.4 Pipeline與PipelineModel
2.4.1 概念和定義
2.4.2 深入介紹
2.5 觸發Alink任務的執行
2.6 模型信息顯示
2.7 文件系統與數據庫
2.8 Schema String
第3章 文件系統與數據文件
3.1 文件系統簡介
3.1.1 本地文件系統
3.1.2 Hadoop文件系統
3.1.3 阿里云OSS文件系統
3.2 數據文件的讀入與導出
3.2.1 CSV格式
3.2.2 TSV格式、LibSVM格式和Text格式
3.2.3 AK格式
第4章 數據庫與數據表
4.1 簡介
4.1.1 Catalog的基本操作
4.1.2 Source組件和Sink組件
4.2 Hive示例
4.3 Derby示例
4.4 MySQL示例
第5章 支持Flink SQL
第6章 用戶定義函數（UDF/UDTF）
第7章 基本數據處理
第8章 線性二分類模型
第9章 樸素貝葉斯模型與決策樹模型
第10章 特征的轉化
第11章 構造新特征
第12章 從二分類到多分類
第13章 常用的多分類算法
第14章 在線學習
第15章 回歸的由來
第16章 常用的回歸算法
第17章 常用的聚類算法
第18章 批式與流式聚類
第19章 主成分分析
第20章 超參數搜索
第21章 文本分析
第22章 單詞向量化
第23章 情感分析
第24章 構建推薦系統
1.1 Alink是什么
1.2 免費下載、安裝
1.3 Alink的功能
1.3.1 豐富的算法庫
1.3.2 多樣的使用體驗
1.3.3 與SparkML的對比
1.4 關于數據和代碼
1.5 簡單示例
1.5.1 數據的讀/寫與顯示
1.5.2 批式訓練和批式預測
1.5.3 流式處理和流式預測
1.5.4 定義Pipeline，簡化操作
1.5.5 嵌入預測服務系統
第2章 系統概況與核心概念
2.1 基本概念
2.2 批式任務與流式任務
2.3 Alink=A+link
2.3.1 BatchOperator和StreamOperator
2.3.2 link方式是批式算法/流式算法的通用使用方式
2.3.3 link的簡化
2.3.4 組件的主輸出與側輸出
2.4 Pipeline與PipelineModel
2.4.1 概念和定義
2.4.2 深入介紹
2.5 觸發Alink任務的執行
2.6 模型信息顯示
2.7 文件系統與數據庫
2.8 Schema String
第3章 文件系統與數據文件
3.1 文件系統簡介
3.1.1 本地文件系統
3.1.2 Hadoop文件系統
3.1.3 阿里云OSS文件系統
3.2 數據文件的讀入與導出
3.2.1 CSV格式
3.2.2 TSV格式、LibSVM格式和Text格式
3.2.3 AK格式
第4章 數據庫與數據表
4.1 簡介
4.1.1 Catalog的基本操作
4.1.2 Source組件和Sink組件
4.2 Hive示例
4.3 Derby示例
4.4 MySQL示例
第5章 支持Flink SQL
第6章 用戶定義函數（UDF/UDTF）
第7章 基本數據處理
第8章 線性二分類模型
第9章 樸素貝葉斯模型與決策樹模型
第10章 特征的轉化
第11章 構造新特征
第12章 從二分類到多分類
第13章 常用的多分類算法
第14章 在線學習
第15章 回歸的由來
第16章 常用的回歸算法
第17章 常用的聚類算法
第18章 批式與流式聚類
第19章 主成分分析
第20章 超參數搜索
第21章 文本分析
第22章 單詞向量化
第23章 情感分析
第24章 構建推薦系統
展開全部
Alink權威指南:基于Flink的機器學習實例入門(Python) 作者簡介
2004年獲南開大學數學博士學位；隨后在南開大學信息學院從事博士后研究工作；2006年加入微軟亞洲研究院，進行符號計算、大規模矩陣計算及機器學習算法研究；2010年加入阿里巴巴，從事大數據相關的統計和機器學習算法研發。著有《重構大數據統計》《機器學習在線》等。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
唐代進士錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
朝聞道
- >
李白與唐代文化
- >
月亮虎
本類暢銷
