Descarga del libro electrónico "Spark Big Data Analysis in Practice" y lectura en línea; solicite recursos en la nube de Baidu Netdisk
Descarga del disco de red del libro electrónico "Spark Big Data Analysis in Practice" (Gao Yanjie) para lectura gratuita en línea
Enlace de recurso:
Enlace: /s /1bj5iuivyA6Z6mrWLRuP2PQ Contraseña: 96vs
Título del libro: Spark big data análisis en la práctica
Autor: Gao Yanjie
Puntuación de Douban: 5,2
Editorial: Machinery Industrial Press
Año de publicación: 2016-1-1
Número de páginas: 213
Introducción al contenido:
Libro 1 * ** Capítulo 11: Los capítulos 1 a 3 presentan principalmente los conceptos básicos, modelos de programación, métodos de desarrollo e implementación de Spark. Los capítulos 4 a 11 explican en detalle el sistema de análisis de noticias de actualidad y el análisis de datos de registro basado en la plataforma en la nube; , puntos de conocimiento básicos como aplicaciones y algoritmos de sistemas de análisis de sentimientos, sistemas de análisis de enlaces de motores de búsqueda, etc.
Acerca del autor:
Gao Yanjie se graduó en la Universidad Renmin de China y trabaja en Microsoft Research Asia. Entusiasta de la tecnología de código abierto, con un profundo conocimiento e investigación sobre Spark y otros sistemas y tecnologías de big data de código abierto, y una rica experiencia práctica. He estado expuesto y usado Spark anteriormente, y estoy familiarizado con el desarrollo de aplicaciones de Spark, la operación, el mantenimiento y las pruebas del sistema de Spark. He leído el código fuente de Spark en profundidad, entendí el mecanismo de ejecución de Spark y soy bueno en la optimización de consultas de Spark.
Ha escrito el libro más vendido "Spark Big Data Processing: Technology, Application and Performance Optimization".
Ni Yayu es candidato a doctorado en el Departamento de Automatización de la Universidad de Tsinghua. Ha realizado prácticas en Microsoft Research Asia e IBM Research. Tiene una investigación en profundidad y una rica experiencia práctica en sistemas de recomendación a gran escala y algoritmos de aprendizaje automático.