大数
大数据存储MongoDB实战指南
资源名称：大数据存储 实战指南 内容简介： 是一种面向文档的分布式数据库，可扩展，表结构自由，并且支持丰富的查询语句和数据类型。时至今日， 以其灵活的数据存储方式逐渐成为 行业非常流行的一种非关系型数据库（ ）。 《大数据存储 实战指南》从学习与实践者的视角出发，本着通俗精简、注重实践、突出精髓的原则，精准剖析了 的诸多概念和要点。全书共分 个部分，分别从基础知识、深入理解 、监控与管理 和应用实践几个维度详细地介绍了 的特点及应用实例。 《大数据存储 实战指南》适合有海量数据存储需求的人员、数据库管理开
大数据时代:生活、工作与思维的大变革 中文PDF
资源名称：大数据时代 生活、工作与思维的大变革 中文 第一部分大数据时代的思维变革 第 章更多：不是随机样本，而是全体数据 让数据 发声 小数据时代的随机采样，最少的数据获得最多的信息 全数据模式，样本 总体 第 章更杂：不是精确性，而是混杂性 允许不精确 大数据的简单算法比小数据的复杂算法更有效 纷繁的数据越多越好 混杂性，不是竭力避免，而是标准途径 新的数据库设计的诞生 第 章更好：不是因果关系，而是相关关系 关联物，预测的关键 是什么 ，而不是 为什么 改变，从操作方式开始 大数据，改变人类探索世界
云计算中的大数据技术与应用（陆平等著）完整
资源名称：云计算中的大数据技术与应用 陆平等著 完整 第 章绪论 从云计算到大数据 大数据的定义与特征 海量 多样性 速度 价值 大数据的技术体系 数据采集 数据存储 数据处理 数据挖掘 数据可视化展示 大数据隐私安全 小结 第 章大数据存储 非结构化数据 分布式文件系统 对象存储系统 （半）结构化数据 数据库系统 分析型数据库系统 第 章大数据处理 概述 离线数据处理 （ ） 实时数据处理 第 章大数据挖掘 并行数据挖掘 概述 系统架构 关键技术 搜索引擎技术 概述 系统架构 关键技术 推荐引擎技术 概
Python+Spark 2.0+Hadoop机器学习与大数据实战
资源名称： 机器学习与大数据实战 内容简介： 本书从浅显易懂的 大数据和机器学习 原理说明入手，讲述大数据和机器学习的基本概念，如分类、分析、训练、建模、预测、机器学习（推荐引擎）、机器学习（二元分类）、机器学习（多元分类）、机器学习（回归分析）和数据可视化应用等。书中不仅加入了新近的大数据技术，还丰富了 机器学习 内容。 为降低读者学习大数据技术的门槛，书中提供了丰富的上机实践操作和范例程序详解，展示了如何在单机 系统上通过 虚拟机安装多机 虚拟机，如何建立 集群，再建立 开发环境。书中介绍搭建的上机实
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
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
大数据治理与安全从理论到开源实践
资源名称：大数据治理与安全从理论到开源实践 内容简介： 作为大数据前沿的新兴领域，市面上大数据安全与治理的相关书籍屈指可数。本书在介绍大数据学术界新动态与大数据行业生产实践的同时，对大数据安全与治理的新理论与实践内容做了详尽的阐述。本书分为两部分 第壹篇（理论篇 介绍大数据治理与安全的理论、方法和技术挑战等；第二篇 开源实现篇 ，介绍开源社区各类开源项目，将研究与实践的内容根据不同组件分类。 资源目录： 前 言 第一篇 理论篇 第 章 大数据治理技术 概述 大数据治理的基本概念 大数据治理的意义和重
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
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：