vnetoolxw_87的博客

Deep.Learning.with.Hadoop纯英文版 PDF格式 Build, implement and scale distributed deep learning models for large-scale datasets About This Book Get to grips with the deep learning concepts and set up Hadoop to put them to use Implement and parallelize deep learning models on Hadoop's YARN framework A comprehensive tutorial to distributed deep learning with Hadoop Who This Book Is For If you are a data scientist who wants to learn how to perform deep learning on Hadoop, this is the book for you. Knowledge of the basic machine learning concepts and some understanding of Hadoop is required to make the best use of this book. What You Will Learn Explore Deep Learning and various models associated with it Understand the challenges of implementing distributed deep learning with Hadoop and how to overcome it Implement Convolutional Neural Network (CNN) with deeplearning4j Delve into the implementation of Restricted Boltzmann Machines (RBM) Understand the mathematical explanation for implementing Recurrent Neural Networks (RNN) Get hands on practice of deep learning and their implementation with Hadoop. In Detail This book will teach you how to deploy large-scale dataset in deep neural networks with Hadoop for optimal performance. Starting with understanding what deep learning is, and what the various models associated with deep neural networks are, this book will then show you how to set up the Hadoop environment for deep learning. In this book, you will also learn how to overcome the challenges that you face while implementing distributed deep learning with large-scale unstructured datasets. The book will also show you how you can implement and parallelize the widely used deep learning models such as Deep Belief Networks, Convolutional Neural Networks, Recurrent Neural Networks, Restricted Boltzmann Machines and autoencoder using the popular deep learning library deeplearning4j. Get in-depth mathematical explanations and visual representations to help you understand the design

Hadoop深度学习，Deep.Learning.with.Hadoop的中文翻译版

自己制作的Learn C++电子书，学习C++很少的资源，原始链接为： http://www.learncpp.com/ 为了方便大家阅读，我将其制作成chm离线版,方便大家在无网络情况下进行查阅。

内容简介：, MongoDB是为处理大数据而生的一款面向文档的数据库，由10gen公司开发和维护。本书作者Kyle Banker曾在该公司负责MongoDB驱动程序的维护，对各方面技术细节都了如指掌，本书也是在大量第一手资料的基础上形成的，其权威性毋庸置疑。, 本书基于MongoDB 2.0+，全面系统地讲解了设计、实现、安装和维护MongoDB的各方面内容。全书分三部分，第一部分从基于文档的数据与传统关系型数据库的差别讲起，介绍了MongoDB的基本概念及安装使用。第二部分是一个实战式教程，结合示例讲解了MongoDB的CRUD操作，以及实现系统安全、灵活和高效的设计原则及模式。第三部分侧重数据库的维护和管理，深入到MongoDB背后的技术细节，给出了对管理员和开发者都极有价值的建议。, 本书篇幅适中，内容深浅得当，文字通俗易懂，再配以直观形象的插图和贴近实战的代码示例，非常适合MongoDB学习者、开发人员及管理员学习参考。, 本书内容：, MongoDB介绍及其优劣势, MongoDB的Shell界面, 使用MongoDB的简单应用, 如何通过以文档为中心的方式看待数据, 编写查询，以MapReduce方式聚合数据, 更新和删除数据及相关性能考量, 寻找和改进慢查询, MongoDB的复制与分片, MongoDB的监控、备份及恢复

Apache Kylin是Hadoop大数据平台上的一个开源OLAP引擎，将大数据的查询速度和并发性能提升至原来的百倍以上，为超大规模数据集上的交互式大数据分析打开了大门。本书由Apache Kylin核心开发团队编写，系统地介绍了Apache Kylin安装、入门、可视化、模型调优、运维、二次开发等各个方面，是关于Apache Kylin的权威指南。, 第1章和第2章是基本概念和快速入门，为初学者打下坚实基础。第3章和第4章介绍增量构建和进阶的流式构建，应对数据的持续增长。第5章展示丰富的查询接口和其上的可视化能力。第6章则重点讲解了Cube模型和调优，它们是用好Apache Kylin，提升百倍性能的关键。第7章通过一系列有行业特点的具体案例分析，贯穿之前的所有概念，温故知新。第8章介绍可扩展架构和二次开发接口，适合开发者。第9章则介绍企业级功能、用户的认证和授权相关知识。第10章着重于安装和企业级部署、运维管理等内容。第11章和第12章分别说明如何参与和贡献到开源，以及Apache Kylin的未来。

Redis实战[中文完整版] ,卡尔森著

《深入理解Spark 核心思想与源码分析》完整版

本书是Spark实战指南，全书共分8章。前4章介绍Spark的部署、工作机制和内核，后4章分别通过实战项目介绍Spark SQL、Spark Streaming、Spark GraphX和Spark MLib功能模块。此外，本书详细介绍了常见的实战问题，比如大数据环境下的配置设置、程序调优等。本书附带的一键安装脚本，更能为初学者提供很大帮助。

《Spark技术内幕 深入解析Spark内核架构设计与实现原理》完整版

《Spark核心技术与高级应用》完整版

《Spark高级数据分析》完整版

《Apache Spark源码剖析》以Spark 1.02版本源码为切入点，着力于探寻Spark所要解决的主要问题及其解决办法，通过一系列精心设计的小实验来分析每一步背后的处理逻辑。, 《Apache Spark源码剖析》第3~5章详细介绍了Spark Core中作业的提交与执行，对容错处理也进行了详细分析，有助读者深刻把握Spark实现机理。第6~9章对Spark Lib库进行了初步的探索。在对源码有了一定的分析之后，读者可尽快掌握Spark技术。, 《Apache Spark源码剖析》对于Spark应用开发人员及Spark集群管理人员都有极好的学习价值；对于那些想从源码学习而又不知如何入手的读者，也不失为一种借鉴。

美团点评技术团队博客集锦，离线版，方便大家查阅

Spark官方文档离线版，方便大家查阅

Scala in Depth英文原版电子书

Scala API文档离线版