نرم افزار: سیستم ها: محاسبات علمی

پردازش متن فشرده داده با MapReduce

Data-Intensive Text Processing with MapReduce

دانلود کتاب Data-Intensive Text Processing with MapReduce (به فارسی: پردازش متن فشرده داده با MapReduce) نوشته شده توسط «Jimmy Lin – Chris Dyer – Graeme Hirst»

اطلاعات کتاب پردازش متن فشرده داده با MapReduce

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: Morgan and Claypool Publishers

نویسنده: Jimmy Lin – Chris Dyer – Graeme Hirst

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2010

تعداد صفحه: 178

حجم فایل: 1.17 مگابایت

کد کتاب: 1608453421 , 9781608453429

توضیحات کتاب پردازش متن فشرده داده با MapReduce

دنیای ما با روش‌های مبتنی بر داده متحول شده است: دسترسی به مقادیر زیادی از داده‌ها بینش جدیدی ایجاد کرده و فرصت‌های هیجان‌انگیزی را در تجارت، علم و برنامه‌های محاسباتی باز کرده است. پردازش مقادیر عظیمی از داده‌های لازم برای این پیشرفت‌ها نیازمند خوشه‌های بزرگ است که پارادایم‌های محاسباتی توزیع‌شده را بیش از هر زمان دیگری حیاتی‌تر می‌کند. MapReduce یک مدل برنامه نویسی برای بیان محاسبات توزیع شده بر روی مجموعه داده های عظیم و یک چارچوب اجرایی برای پردازش داده در مقیاس بزرگ در خوشه های سرورهای کالا است. مدل برنامه‌نویسی یک انتزاع آسان برای طراحی الگوریتم‌های مقیاس‌پذیر فراهم می‌کند، در حالی که چارچوب اجرا به‌طور شفاف بسیاری از جزئیات سطح سیستم، از زمان‌بندی تا همگام‌سازی تا تحمل خطا را کنترل می‌کند. این کتاب بر طراحی الگوریتم MapReduce با تاکید بر الگوریتم‌های پردازش متن رایج در پردازش زبان طبیعی، بازیابی اطلاعات و یادگیری ماشین تمرکز دارد. ما مفهوم الگوهای طراحی MapReduce را معرفی می‌کنیم که راه‌حل‌های کلی قابل استفاده مجدد را برای مشکلات رایج در دامنه‌های مختلف مشکل نشان می‌دهند. این کتاب نه تنها قصد دارد به خواننده کمک کند “در MapReduce” فکر کند، بلکه محدودیت های مدل برنامه نویسی را نیز مورد بحث قرار می دهد. فهرست مطالب: مقدمه / مبانی MapReduce / طراحی الگوریتم MapReduce / نمایه سازی معکوس برای بازیابی متن / الگوریتم های نمودار / الگوریتم های EM برای پردازش متن / نکات پایانی

Our world is being revolutionized by data-driven methods: access to large amounts of data has generated new insights and opened exciting new opportunities in commerce, science, and computing applications. Processing the enormous quantities of data necessary for these advances requires large clusters, making distributed computing paradigms more crucial than ever. MapReduce is a programming model for expressing distributed computations on massive datasets and an execution framework for large-scale data processing on clusters of commodity servers. The programming model provides an easy-to-understand abstraction for designing scalable algorithms, while the execution framework transparently handles many system-level details, ranging from scheduling to synchronization to fault tolerance. This book focuses on MapReduce algorithm design, with an emphasis on text processing algorithms common in natural language processing, information retrieval, and machine learning. We introduce the notion of MapReduce design patterns, which represent general reusable solutions to commonly occurring problems across a variety of problem domains. This book not only intends to help the reader ”think in MapReduce”, but also discusses limitations of the programming model as well. Table of Contents: Introduction / MapReduce Basics / MapReduce Algorithm Design / Inverted Indexing for Text Retrieval / Graph Algorithms / EM Algorithms for Text Processing / Closing Remarks

دانلود کتاب «پردازش متن فشرده داده با MapReduce»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

📖 خرید این کتاب

برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان