新書推薦:
《
为你想要的生活
》
售價:HK$
66.1
《
关键改变:如何实现自我蜕变
》
售價:HK$
77.3
《
超加工人群:为什么有些食物让人一吃就停不下来
》
售價:HK$
99.7
《
历史的教训(浓缩《文明的故事》精华,总结历史教训的独特见解)
》
售價:HK$
62.7
《
不在场证明谜案(超绝CP陷入冤案!日本文坛超新星推理作家——辻堂梦代表作首次引进!)
》
售價:HK$
58.2
《
明式家具三十年经眼录
》
售價:HK$
524.2
《
敦煌写本文献学(增订本)
》
售價:HK$
221.8
《
耕读史
》
售價:HK$
109.8
內容簡介:
本书是通俗易懂的大数据算法教程。通篇采用师生对话的形式,旨在用通俗的语言、轻松的气氛,帮助读者理解大数据计算领域中的基础算法和思想。本书由背景篇、理论篇、应用篇和实践篇四部分组成。背景篇介绍大数据、算法、大数据算法等基本概念和背景;理论篇介绍解决大数据问题的亚线性算法、磁盘算法、并行算法、众包算法的基本思想和理论知识;应用篇介绍与大数据问题息息相关的数据挖掘和推荐系统的相关知识;实践篇从实际应用出发,引导读者动手操作,帮助读者通过实际程序和实验验证磁盘算法、并行算法和众包算法。在讲解每一个大数据问题之前,本书都会介绍大量的经典算法和基础数据结构知识,不仅可以帮助学习过数据结构与算法、算法设计与分析等课程的同学复习,同时能够让入门的“小菜鸟”们,不会因为没有学习过经典算法而对本书望而却步,轻松地掌握大数据算法!
關於作者:
博士毕业以来一直哈尔滨工业大学计算机学院任职,根据2012年教育部学科评估,该学科排名第4。王博士现任软件与理论学科副教授,博士生导师。发表论文100余篇,出版学术专著《XML查询处理》和英文专著《Innovative Techniques and Applications of Entity Resolution》,撰写3篇专著章节,拥有3项软件著作权,完成经典教材《算法导论第三版》最后5章的翻译,其论文被SCIEI检索60余次,引用300余次,其中5篇论文发表于顶级国际会议上。获得微软学者亚太地区40人获奖、中国优秀数据库工程师全国10人获奖、IBM博士英才大中华区8人获奖等称号,“海量数据计算的理论和技术”获得黑龙江省自然科学奖1项,其博士论文“XML数据查询处理技术的研究”获得哈尔滨工业大学优秀博士论文和中国计算机学会优秀博士论文。其在2014年与慕课网开设《大数据算法》课程,这是国内首次公开开设与大数据算法相关的课程,迄今已经有超过2万人选课。其2008年在国际顶级会议VLDB上发表的论文是2000年以来第一篇国内学者独立完成的VLDB论文,在国内外产生了较大影响。2011年在微软亚洲研究院期间提出的海量图数据的匹配算法国际上首次将子图匹配算法扩展到了在规模为10亿级别的图上,该算法于2012年发表以来已被引用超过30次,并已经进入微软亚洲研究院的Trinity系统。王博士在国内外多个知名数据库会议担任程序委员会委员20余次,在国际学术领域有一定影响。王博士在大数据管理、Web数据管理、数据质量管理、图数据管理的研究和开发方面都有用丰富的经验。
目錄 :
目录
第1 篇 背景篇
第1 章 何谓大数据 4
1.1 身边的大数据 4
1.2 大数据的特点和应用 6
第2 章 何谓算法 8
2.1 算法的定义 8
2.2 算法的分析 14
2.3 基础数据结构——线性表 24
2.4 递归——以阶乘为例 28
第3 章 何谓大数据算法 31
第2 篇 理论篇
第4 章 窥一斑而见全豹——亚线性算法 34
4.1 亚线性算法的定义 34
4.2 空间亚线性算法 35
4.2.1 水库抽样 35
4.2.2 数据流中的频繁元素 37
4.3 时间亚线性计算算法 40
4.3.1 图论基础回顾 40
4.3.2 平面图直径 45
4.3.3 最小生成树 46
4.4 时间亚线性判定算法 53
4.4.1 全0 数组的判定 53
4.4.2 数组有序的判定 55
第5 章 价钱与性能的平衡——磁盘算法 58
5.1 磁盘算法概述 58
5.2 外排序 62
5.3 外存数据结构——磁盘查找树 71
5.3.1 二叉搜索树回顾 71
5.3.2 外存数据结构——B 树 78
5.3.3 高维外存查找结构——KD 树 80
5.4 表排序 83
5.5 表排序的应用 86
5.5.1 欧拉回路技术 86
5.5.2 父子关系判定 87
5.5.3 前序计数 88
5.6 时间前向处理技术 90
5.7 缩图法 98
第6 章 1+1>2——并行算法 103
6.1 MapReduce 初探 103
6.2 MapReduce 算法实例 106
6.2.1 字数统计 106
6.2.2 平均数计算 108
6.2.3 单词共现矩阵计算 111
6.3 MapReduce 进阶算法 115
6.3.1 join 操作 115
6.3.2 MapReduce 图算法概述 122
6.3.3 基于路径的图算法 125
第7 章 超越MapReduce 的并行计算 131
7.1 MapReduce 平台的局限 131
7.2 基于图处理平台的并行算法 136
7.2.1 概述 136
7.2.2 BSP 模型下的单源最短路径 137
7.2.3 计算子图同构 141
第8 章 众人拾柴火焰高——众包算法 144
8.1 众包概述 144
8.1.1 众包的定义 144
8.1.2 众包应用举例 146
8.1.3 众包的特点 149
8.2 众包算法例析 152
第3 篇 应用篇
第9 章 大数据中有黄金——数据挖掘 158
9.1 数据挖掘概述 158
9.2 数据挖掘的分类 159
9.3 聚类算法——k-means 160
9.4 分类算法——Naive Bayes 166
第10 章 推荐系统 170
10.1 推荐系统概述 170
10.2 基于内容的推荐方法 173
10.3 协同过滤模型 176
第4 篇 实践篇
第11 章 磁盘算法实践 186
第12 章 并行算法实践 194
12.1 Hadoop MapReduce 实践 194
12.1.1 环境搭建 194
12.1.2 配置Hadoop 201
12.1.3 “Hello World”程序—— WordCount 203
12.1.4 Hadoop 实践案例——记录去重 213
12.1.5 Hadoop 实践案例——等值连接 216
12.1.6 多机配置 221
12.2 适于迭代并行计算的平台——Spark 224
12.2.1 Spark 初探 224
12.2.2 单词出现行计数 230
12.2.3 在Spark 上实现WordCount 236
12.2.4 在HDFS 上使用Spark 241
12.2.5 Spark 的核心操作——Transformation 和Action 244
12.2.6 Spark 实践案例——PageRank 247
第13 章 众包算法实践 251
13.1 认识AMT 251
13.2 成为众包工人 252