ДМК-Пресс Потоковая обработка данных с Apache Flink Уэске Фабиан, Калаври Василики

В книге изложены основы теории цифровой обработки сигналов. Акцент сделан на доступности изложения материала и объяснении методов и алгоритмов так, как они понимаются при практическом использовании. Цель книги — практический подход к цифровой обработке сигналов, позволяющий преодолеть барьер сложной математики и абстрактной теории, характерных для традиционных учебников. Изложение материала сопровождается большим количеством примеров, иллюстраций и текстов программ, которые вы также можете скачать на сайте издательства дмк.рф • Книга предназначена научным работникам и инженерам, желающим применять методы цифровой обработки в различных технических сферах. Рекомендуется аспирантам и студентам, изучающим цифровую обработку сигналов

Среда графического программирования LabVIEW (Laboratory Virtual Instrumentation Engineering Workbench) разработана фирмой National Instruments. Простота ее использования существенно ускоряет визуальное создание программ, высвобождая время, обычно уходившее на отладку, для понимания собственно процессов цифровой обработки сигналов • Входящие в состав книги лабораторные работы позволяют получить опыт работы в LabVIEW, который поможет развить практические навыки, необходимые для программирования в этой среде • Книга «Цифровая обработка сигналов на системном уровне с использованием LabVIEW» поможет вам существенно ускорить процесс изучения цифровой обработки сигналов. Она написана так, что может служить самоучителем для инженеров, которые хотят познакомиться с LabVIEW и использовать ее для разработки и анализа систем цифровой обработки сигналов

Задействуйте всю мощь поведенческих данных в своей компании, используя инструменты, специально разработанные для их анализа. Общепринятые алгоритмы науки о данных и инструменты предсказательной аналитики трактуют данные о поведении клиентов, такие как клики на веб-сайте или покупки в супермаркете, аналогично любым другим данным. Однако в этой книге представлены мощные методы, специально приспособленные для анализа поведенческих данных • Усовершенствованный экспериментальный дизайн позволяет вам получать максимальную отдачу от ваших A/B-тестов, тогда как причинно-следственные диаграммы позволяют выявлять причины поведений, даже если вы не можете проводить эксперименты • Книга написана в доступном стиле для исследователей данных, бизнес-аналитиков и бихевиористов

Если вы знакомы с основами математики и с программированием на Python, то вы готовы к погружению в обработку сигналов. При изучении этой сложной темы в большинстве руководств начинают с теории, в этой же книге все изучается на примерах, взятых из реальной жизни. Уже в первой главе вы разложите звук на гармоники, поменяете их и создадите новые звуки. Автор, Аллен Дауни, рассматривает несколько методов - тут и спектральное разложение, и фильтрация, и свертка, и быстрое преобразование Фурье. В этой книге много упражнений и примеров кода - с ними проще разбираться в материале. Книга профессора Дауни - идеальный путеводитель в мире цифровой обработки сигналов. Она содержит массу информации - от основ до "высоких материй", и она представлена в простом, логичном и хорошо организованном виде, с большим количеством иллюстраций

В книге описаны большинство из современных баз данных с открытым исходным кодом: Redis, Neo4J, CouchDB, MongoDB, HBase, PostgreSQL и Riak. Для каждой базы приведены примеры работы с реальными данными, демонстрирующие основные идеи и сильные стороны • Эта книга прольет свет на сильные и слабые стороны каждой из семи баз данных и научит вас выбирать ту, которая лучше отвечает требованиям • Издание предназначено для программистов разной квалификации, использующих базы данных в своей профессиональной деятельности

В двухтомнике представлены материалы по применению классических методов машинного обучения для различных промышленных задач • Прочитав первый том, вы научитесь • - работать в IPython и Jupyter Notebook • - применять функции библиотеки NumPy • - визуализировать результаты анализа с помощью библиотек matplotlib, seaborn и plotly • - выполнять предварительную подготовку данных в библиотеке pandas • - работать с классами scikit-learn, строящими модели предварительной подготовки данных и модели машинного обучения • - применять различные стратегии валидации данных

В книге приводится всесторонний анализ идей и деталей реализации структур данных как важнейшей составляющей прикладных алгоритмов. Рассматриваются не только эффективные способы реализации операций над множествами чисел, интервалов или строк в виде различных поисковых структур данных – деревьев, множеств интервалов, кусочно-постоянных функций, прямоугольных областей, непересекающихся подмножеств, куч, хеш-таблиц, но и динамизация и персистентность (сохраняемость) структур • Это первая книга, рассматривающая структуры данных не просто как вспомогательный материал для иллюстрации методологии объектно-ориентированного программирования, а как ключевой вопрос разработки алгоритмов • Многочисленные примеры кода на языке C и более 500 ссылок на первоисточники делают эту книгу исключительно ценной

В двухтомнике представлены материалы по применению классических методов машинного обучения для различных промышленных задач • Прочитав второй том, вы научитесь • - составлять план предварительной подготовки данных • - конструировать признаки • - отбирать признаки • - работать с метриками бинарной классификации и регрессии • - выполнять байесовскую оптимизацию гиперпараметров • - создавать контейнеры Docker • - строить модели c помощью платформы H2O

Эта насыщенная идеями книга научит вас думать об эффективном взаимодействии с быстрыми потоками данных. В ней выдержан идеальный баланс между широкой картиной и деталями реализации. На содержательных примерах и практических задачах вы узнаете о проектировании приложений, которые читают, анализируют, разделяют и сохраняют потоковые данные. Попутно вы поймете, какую роль играют такие технологии, как Spark, Storm, Kafka, Flink, RabbitMQ и другие. Издание ориентировано на разработчиков, знакомых с концепциями реляционных баз данных

В книге представлено подробное описание распределенных и параллельных баз данных с учетом новейших технологий. Авторы затрагивают такие темы, как проектирование распределенных и параллельных БД, контроль распределенных данных, распределенная обработка запросов и транзакций, интеграция баз данных. Отдельная глава посвящена обработке больших данных (в частности, обсуждаются распределенные системы хранения, потоковая обработка данных, платформы MapReduce и Spark, анализ графов и озера данных). Обработка веб-данных рассматривается с акцентом на технологию RDF, получившую широкое распространение • В конце глав 2–12 приводятся упражнения, позволяющие закрепить теоретический материал. На сопроводительном сайте читатели найдут информацию об основах реляционных баз данных, обработке запросов, управлении транзакциями и компьютерных сетях