RISS 검색 - 단행본 상세보기

부가정보

목차 (Table of Contents)

목차
지은이 소개 = 5
감사의 글 = 7
옮긴이 소개 = 8
옮긴이의 말 = 9

목차
지은이 소개 = 5
감사의 글 = 7
옮긴이 소개 = 8
옮긴이의 말 = 9
들어가며 = 17
1 데이터 마이닝 = 21
1.1 데이터 마이닝이란? = 21
1.2 데이터 마이닝의 통계적 한계점 = 25
1.3 알아두면 유용한 사실들 = 28
1.4 이 책의 개요 = 38
1.5 요약 = 40
1.6 참고문헌 = 41
2 맵리듀스와 새로운 소프트웨어 스택 = 43
2.1 분산 파일 시스템 = 44
2.2 맵리듀스 = 47
2.3 맵리듀스를 사용하는 알고리즘 = 54
2.4 맵리듀스의 확장 = 66
2.5 통신 비용 모델 = 73
2.6 맵리듀스에 대한 복잡도 이론 = 80
2.7 요약 = 97
2.8 참고문헌 = 99
3 유사 항목 찾기 = 103
3.1 근접 이웃 탐색의 응용 = 103
3.2 문서의 슁글링 = 108
3.3 집합의 유사도 보존 요약 = 112
3.4 문서의 지역성 기반 해싱 = 120
3.5 거리 측정 = 125
3.6 지역성 기반 함수의 이론 = 132
3.7 기타 거리 측정법들을 위한 LSH 함수군 = 138
3.8 지역성 기반 해시 응용 분야 = 145
3.9 높은 유사도 처리 방법 = 154
3.10 요약 = 163
3.11 참고문헌 = 166
4 스트림 데이터 마이닝 = 169
4.1 스트림 데이터 모델 = 170
4.2 스트림 데이터의 표본추출 = 175
4.3 스트림 필터링 = 178
4.4 스트림에서 중복을 제거한 원소 개수 세기 = 182
4.5 모멘트 근사치 = 186
4.6 윈도 내에서의 카운트 = 193
4.7 감쇠 윈도 = 201
4.8 요약 = 203
4.9 참고문헌 = 206
5 링크 분석 = 207
5.1 페이지랭크 = 207
5.2 페이지랭크의 효율적인 연산 = 224
5.3 주제 기반 페이지랭크 = 231
5.4 링크 스팸 = 235
5.5 허브와 권위자 = 241
5.6 요약 = 247
5.7 참고문헌 = 250
6 빈발 항목집합 = 253
6.1 시장바구니 모델 = 254
6.2 시장바구니와 선험적 알고리즘 = 262
6.3 메인 메모리에서 더 큰 데이터 집합 처리하기 = 273
6.4 단계 한정 알고리즘 = 282
6.5 스트림에서 빈발 항목 개수 세기 = 289
6.6 요약 = 294
6.7 참고문헌 = 296
7 클러스터링 = 299
7.1 클러스터링 기법의 개요 = 299
7.2 계층적 클러스터링 = 304
7.3 k평균 알고리즘 = 315
7.4 CURE 알고리즘 = 324
7.5 비유클리드 공간에서의 클러스터링 = 328
7.6 스트림을 위한 클러스터링과 병렬 처리 = 333
7.7 요약 = 340
7.8 참고문헌 = 344
8 웹을 통한 광고 = 347
8.1 온라인 광고와 관련된 주제들 = 347
8.2 온라인 알고리즘 = 350
8.3 조합 문제 = 354
8.4 애드워즈 문제 = 358
8.5 애드워즈 구현 = 369
8.6 요약 = 373
8.7 참고문헌 = 375
9 추천 시스템 = 377
9.1 추천 시스템 모델 = 378
9.2 내용 기반 추천 = 382
9.3 협업 필터링 = 394
9.4 차원 축소 = 401
9.5 넷플릭스 챌린지 = 411
9.6 요약 = 413
9.7 참고문헌 = 415
10 소셜 네트워크 그래프 마이닝 = 417
10.1 소셜 네트워크 그래프 = 418
10.2 소셜 네트워크 그래프 클러스터링 = 423
10.3 커뮤니티의 직접적 발견 = 433
10.4 그래프 분할 = 438
10.5 겹치는 커뮤니티 찾기 = 447
10.6 유사순위 = 455
10.7 삼각형의 개수 세기 = 460
10.8 그래프의 이웃 특징 = 467
10.9 요약 = 481
10.10 참고문헌 = 485
11 차원 축소 = 489
11.1 고윳값과 고유벡터 = 490
11.2 주성분 분석 = 498
11.3 특이 값 분해 = 505
11.4 CUR 분해 = 516
11.5 요약 = 523
11.6 참고문헌 = 524
12 대규모 머신 러닝 = 527
12.1 머신 러닝 모델 = 528
12.2 퍼셉트론 = 536
12.3 서포트 벡터 머신 = 552
12.4 최근접 이웃 학습 = 565
12.5 학습 방식의 비교 = 574
12.6 요약 = 575
12.7 참고문헌 = 577
찾아보기 = 579

온라인 도서 정보

온라인 서점 구매

온라인 서점 구매 정보
서점명	서명	판매현황	종이책			전자책 구매링크
서점명	서명	판매현황	정가	판매가(할인율)	포인트(포인트몰)	전자책 구매링크
	빅데이터 마이닝	절판	40,000원	36,000원 (10%)	2,000포인트 (5%)

포인트 적립은 해당 온라인 서점 회원인 경우만 해당됩니다.
상기 할인율 및 적립포인트는 온라인 서점에서 제공하는 정보와 일치하지 않을 수 있습니다.
RISS 서비스에서는 해당 온라인 서점에서 구매한 상품에 대하여 보증하거나 별도의 책임을 지지 않습니다.

책소개

자료제공 :

빅데이터 마이닝 (하둡을 이용한 대용량 데이터 마이닝 기법)

하둡을 이용한 대용량 데이터 마이닝 기법! 웹과 인터넷 상거래의 발달로 엄청난 규모의 데이터가 생성되고 있으며, 데이터 마이닝으로 이런 데이터에서 유용한 정보를 얻는 것이 가능하다. 이 책 『빅데이터 마이닝』은 데이터 마이닝 분야의 핵심 과제를 해결하고 대규모 데이터에 적용할 수 있는 현실적인 알고리즘에 초점을 맞추었다. 알고리즘의 자동 병렬처리를 위해 중요하게 사용되는 툴인 맵리듀스 프레임워크에 대한 논의로 책을 시작한다. 이후 지역성 기반 해싱 기법을 설명한다. 이는 대규모로 수집된 데이터에서 비슷한 객체를 일일이 비교하지 않고 찾아내기 위한 기본 지식 체계이기 때문에 알아둘 필요가 있다. 또한 정확한 처리를 위해 매우 빨리 입력되는 데이터를 마이닝하는 스트림 처리 알고리즘을 설명한다. 그리고 웹 체계화를 위한 페이지랭크 개념 및 이와 관련된 기법들을 다룬다. 나머지 장에서는 빈발 항목 집합 찾기와 클러스터링, 그리고 이 각각을 메인 메모리에 담을 수 없을 정도로 큰 데이터 관점에서 처리하...