大数
大数据时代的算法：机器学习、人工智能及其典型实例
资源名称：大数据时代的算法：机器学习、人工智能及其典型实例 内容简介： 《大数据时代的算法：机器学习、人工智能及其典型实例》介绍在互联网行业中经常涉及的算法，包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法，以及与机器学习相关的算法，包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。《大数据时代的算法：机器学习、人工智能及其典型实例》涉及的相关算法均为解决实际问题中的主流算法，对于工作和学习都有实际参考意义。 《大数据时代的算法：机器学习、人工智能及其典型
企业大数据处理 Spark、Druid、Flume与Kafka应用实践 完整pdf
资源名称：企业大数据处理 、 、 与 应用实践 完整 第一部分 准备工作 第 章 基础环境准备 第二部分 核心技术 第 章 详解 第 章 原理及部署 第 章 数据摄入 第 章 客户端 第 章 日志收集 第 章 分布式消息队列 第三部分 项目实践 第 章 数据平台 第 章 监控系统 资源截图：
大数据分析：方法与应用
资源名称：大数据分析：方法与应用 内容简介： 本书介绍数据挖掘、统计学习和模式识别中与大数据分析相关的理论、方法及工具。理论学习的目标是使学生掌握复杂数据的分析与建模；方法学习的目标是使学生能够按照实证研究的规范和数据挖掘的步骤进行大数据研发，工具学习的目标是使学生熟练掌握一种数据分析的语言。本书内容由 章构成：大数据分析概述，数据挖掘流程，有指导的学习，无指导的学习，贝叶斯分类和因果学习，高维回归及变量选择，图模型，客户关系管理、社会网络分析、自然语言模型和文本挖掘。 本书可用做统计学、管理学、计算机科
触手可及的大数据分析工具:Tableau案例集
资源名称：触手可及的大数据分析工具 案例集 内容简介： 《触手可及的大数据分析工具： 案例集》对 的产品、优势、 的新特性及其功能做了全面的介绍，并且从 个不同行业的案例入手，让你在阅读本书后能够从一个新手成长为能够创建出复杂仪表板的高手。 《触手可及的大数据分析工具： 案例集》分为五个部分共 章： 使用概述、新手上路、成功晋级、高手秘籍以及实际应用。 使用概述包含四章，分别从为何要进行数据可视化、 的发展历程、 的产品介绍、 的新特性、 的应用优势以及如何利用 进行数据连接和了解工作区几个方面做了详尽的
Spark大数据处理技术 完整pdf
资源名称： 大数据处理技术 完整 第 章 系统概述 大数据处理框架 大数据处理框架 表达能力 子系统 小结 第 章 及编程接口 程序 分区（ ） 优先位置（ ） 依赖关系（ ） 分区计算（ ） 分区函数（ ） 创建操作 集合创建操作 存储创建操作 转换操作 基本转换操作 键值 转换操作 再论 依赖关系 控制操作（ ） 行动操作（ ） 集合标量行动操作 存储行动操作 小结 第 章 运行模式及原理 运行模式概述 运行模式列表 基本工作流程 相关基本类 模式 部署及程序运行 内部实现原理 模式 部署及程序运行
一本书读懂大数据客户分析
资源名称：一本书读懂大数据客户分析 内容简介： 企业的长期生存能力是指通过持续地满足和超越客户的生理和心理需求来吸引顾客。阅读本书，你将学会如何全面改善客户体验，如何收集、测量以及解读客户数据，如何使用数据创建良好的客户关系，如何实现向数据导向的客户体验转变。 资源目录： 前言 关于本书 可笑的 假设 本书使用的图标 本书之外 本书宗旨 第 部分：客户分析入门 第 章客户分析简介 什么是客户分析？ 客户分析能带给我们什么？ 运用客户分析 汇编大数据与小数据 第 章度量标准的科学与艺术 累加定量数据 离散数
实时大数据分析 基于Storm Spark技术的实时应用 中文PDF
资源名称：实时大数据分析 基于 技术的实时应用 中文 第 章 大数据技术前景及分析平台 大数据的概念 大数据的维度范式 大数据生态系统 大数据基础设施 大数据生态系统组件 构建业务解决方案 数据集处理 解决方案实施 呈现 分布式批处理 分布式数据库（ ） 数据库的优势 选择 数据库 实时处理 电信或移动通信场景 运输和物流 互联的车辆 金融部门 本章小结 第 章 熟悉 概述 的发展 的抽象概念 流 拓扑 任务 工作者 的架构及其组件 集群 集群 如何以及何时使用 的内部特性 的并行性 的内部消息处理 本章
大数据与机器学习：实践方法与行业案例
资源名称：大数据与机器学习：实践方法与行业案例 内容简介： 本书从企业实践出发，内容覆盖数据、平台、分析和应用等企业内数据流转的主要环节。布局上，按照数据与平台篇、分析篇和应用篇分别撰写。数据与平台篇（第 章），立足找到数据、整合数据、使用数据三个角度，介绍数据在企业内的分布和处理逻辑，以便快速为分析准备素材。分析篇（第 章），选取企业实际案例，介绍常用的数据挖掘与机器学习算法，以业务场景为导向展示数据分析过程和技巧。应用篇（第 章），选取当前主流的四个应用场景，介绍如何实现数据驱动，让数据 自动 流转于
