我们分析了知乎近600万精华回答,将被提到次数最多的书籍呈现在你的面前

看一本好书  享一杯好茶

PC浏览器体验更好

使用搜索功能得到你更感兴趣的内容。别客气,尽情尝试吧!

搜索历史

标签搜索结果

书名/作者搜索结果

统计思维:程序员数学之概率统计[美] 唐尼/金迎/
在当前标签下被提到1次,总共被提到7次
《统计思维:程序员数学之概率统计(第2版)》是一本以全新视角讲解概率统计的入门图书。抛开经典的数学分析,Downey手把手教你用编程理解统计学。 具体说来,《统计思维:程序员数学之概率统计(第2版)》通过一个案例研究,介绍探索性数据分析的全过程:从收集数据、生成统计信息,到发现模式、验证假设。同时研究分布、概率规则、可视化和其他多种工具及概念。此外,第2版新增了回归、时间序列分析、生存分析和分析方法等章节。

Learning Spark: Lightening Fast Data AnalysisHolden Karau/Andy Kowinski/Mark Hamstra/Matei Zaharia/
在当前标签下被提到1次,总共被提到3次
Data in all domains is getting bigger. How can you work with it efficiently? This book introduces Apache Spark, the open source cluster computing system that makes data analytics fast to write and fast to run. With Spark, you can tackle big datasets quickly through simple APIs in Python, Java, and Scala. Written by the developers of Spark, this book will have data scientists and engineers up and...

Linux内核设计与实现拉芙 (Robert Love)/陈莉君/康华/
在当前标签下被提到1次,总共被提到18次
《Linux内核设计与实现(原书第3版)》基于Linux 2.6.34内核详细介绍了Linux内核系统,覆盖了从核心内核系统的应用到内核设计与实现等各方面的内容。《Linux内核设计与实现(原书第3版)》主要内容包括:进程管理、进程调度、时间管理和定时器、系统调用接口、内存寻址、内存管理和页缓存、VFS、内核同步以及调试技术等。同时书中也涵盖了Linux 2.6内核中颇具特色的内容,包括CFS调度程序、抢占式内核、块I/O层以及I/O调度程序等。《Linux内核设计与实现(原书第3版)》采用理论与实践相结合的路线,能够带领读者快速走进Linux内核世界,真正开发内核代码。 《Linux内核设计与实现(原书第3版)》适合作为高等院校操作系统课程的教材或参考书,也可供相关技术人员参考。

算法导论(原书第3版)Thomas H.Cormen/Charles E.Leiserson/Ronald L.Rivest/Clifford Stein/殷建平/徐云/王刚/等/
在当前标签下被提到1次,总共被提到7次
《算法导论(原书第3版)》内容简介:在有关算法的书中,有一些叙述非常严谨,但不够全面;另一些涉及了大量的题材,但又缺乏严谨性。《算法导论(原书第3版)》将严谨性和全面性融为一体,深入讨论各类算法,并着力使这些算法的设计和分析能为各个层次的读者接受。全书各章自成体系,可以作为独立的学习单元;算法以英语和伪代码的形式描述,具备初步程序设计经验的人就能看懂;说明和解释力求浅显易懂,不失深度和数学严谨性。全书选材经典、内容丰富、结构合理、逻辑清晰,对本科生的数据结构课程和研究生的算法课程都是非常实用的教材,在IT专业人员的职业生涯中,《算法导论(原书第3版)》也是一本案头必备的参考书或工程实践手册。 第3版的主要变化: •新增了van Emde Boas树和多线程算法,并且将矩阵基础移至附录。 •修订了递归式(现在称为“分治策略”)那一章的内容,更广泛地覆盖分治法。 •移除两章很少讲授的内容:...

X的奇幻之旅:为什么工作和生活中要有数学思维史蒂夫•斯托加茨 (Steven Strogatz)/鲁冬旭/
在当前标签下被提到1次,总共被提到7次
在《X的奇幻之旅》中,世界级数学家、《纽约时报》专栏作者史蒂夫•斯托加茨,引领我们踏上一段领略最伟大的数学思想的赏心悦目之旅。沿途中你会看到数学如何与文学、哲学、法律、医学、艺术、商业彼此交融,甚至流行文化也能以我们意想不到的方式和数学共舞。 辛普森到底有没有谋杀他的前妻?多长时间、以何种方式翻转你的床垫才会让它的磨损率最小?谷歌搜索引擎是如何找到你想要的网页的?在步入婚姻殿堂之前,你应该和多少位异性约会?不管你相不相信,数学在回答这些问题以及更多其他问题时,都扮演着至关重要的角色。 数学是宇宙万物存在的基础,当然也包括人类,但是我们中却很少有人能很好地掌握这门通用语言,体验它的智慧、美丽和乐趣。这本启迪智慧而又妙趣横生的书旨在对专业、枯燥的数学语言进行翻译,帮助广大对数学感到恐惧、陌生或是不理解的读者,重新认识和欣赏数学之美。 在这段从企鹅吃鱼到无穷大的数学之旅中,每一章都是一道美丽...

深入理解Linux内核博韦/等/
在当前标签下被提到1次,总共被提到24次
《深入理解LINUX内核(第3版)(涵盖2.6版)》指导你对内核中使用的最重要的数据结构、算法和程序设计诀窍进行一次遍历。通过对表面特性的探究,作者给那些想知道自己机器工作原理的人提供了颇有价值的见解。书中讨论了Intel特有的重要性质。相关的代码片段被逐行剖析。然而,《深入理解LINUX内核(第3版)(涵盖2.6版)》涵盖的不仅仅是代码的功能,它解释了Linux以自己的方式工作的理论基础。

Spark大数据处理技术夏俊鸾/程浩/邵赛赛/等/
在当前标签下被提到1次,总共被提到5次
《Spark大数据处理技术》以Spark 0.9版本为基础进行编写,是一本全面介绍Spark及Spark生态圈相关技术的书籍,是国内首本深入介绍Spark原理和架构的技术书籍。主要内容有Spark基础功能介绍及内部重要模块分析,包括部署模式、调度框架、存储管理以及应用监控;同时也详细介绍了Spark生态圈中其他的软件和模块,包括SQL处理引擎Shark和Spark SQL、流式处理引擎Spark Streaming、图计算框架Graphx以及分布式内存文件系统Tachyon。《Spark大数据处理技术》从概念和原理上对Spark核心框架和生态圈做了详细的解读,并对Spark的应用现状和未来发展做了一定的介绍,旨在为大数据从业人员和Spark爱好者提供一个更深入学习的平台。 《Spark大数据处理技术》适合任何大数据、Spark领域的从业人员阅读,同时也为架构师、软件开发工程师和大数据爱...

哥德尔、艾舍尔、巴赫:集异璧之大成侯世达/《哥德尔、艾舍尔、巴赫:集异璧之大成》翻译组/
在当前标签下被提到1次,总共被提到25次
《哥德尔、艾舍尔、巴赫:集异璧之大成》内容简介:集异璧-GEB,是数学家哥德尔、版画家艾舍尔、音乐家巴赫三个名字的前缀。《哥德尔、艾舍尔、巴赫:集异璧之大成》是在英语世界中有极高评价的科普著作。曾获得普利策文学奖。它通过对哥德尔的数理逻辑,艾舍尔的版画和巴赫的音乐三者的综合阐述,引人入胜地介绍了数理逻辑学、可计算理论、人工智能学、语言学、遗传学、音乐、绘画的理论等方面,构思精巧、含义深刻、视野广阔、富于哲学韵味。《哥德尔、艾舍尔、巴赫:集异璧之大成》中译本前后费时十余年,译者都是数学和哲学的专家,还得到原作者的直接参与,译文严谨通达,特别是在原作者的帮助下,把西方的文化典故和说法,尽可能转换为中国文化的典故和说法,使这本译本甚至可看作是一部新的创作,也是中外翻译史上的一个创举。 在介绍了马丁·加德纳以后,自然就不得不介绍侯世达(Douglas, R. Hofstardter)。侯世达与...

Hadoop权威指南汤姆·怀特 (Tom White)/王海/华东/刘喻/吕粤海/
在当前标签下被提到1次,总共被提到9次
本书结合理论和实践,由浅入深,全方位介绍了Hadoop这一高性能的海量数据处理和分析平台。全书5部分24章,第Ⅰ部分介绍Hadoop基础知识,主题涉及Hadoop、MapReduce、Hadoop分布式文件系统、YARN、Hadoop的I/O操作。第Ⅱ部分介绍MapReduce,主题包括MapReduce应用开发;MapReduce的工作机制、MapReduce的类型与格式、MapReduce的特性。第Ⅲ部分介绍Hadoop的运维,主题涉及构建Hadoop集群、管理Hadoop。第Ⅳ部分介绍Hadoop相关开源项目,主题涉及Avro、Parquet、Flume、Sqoop、Pig、Hive、Crunch、Spark、HBase、ZooKeeper。第Ⅴ部分提供了三个案例,分别来自医疗卫生信息技术服务商塞纳(Cerner)、微软的人工智能项目ADAM(一种大规模分布式深度学习框架)和开源...

Spark Cookbook[印度]Rishi Yadav/顾星竹 刘见康/
在当前标签下被提到1次,总共被提到4次
Spark是一个基于内存计算的开源集群计算系统,它非常小巧玲珑,让数据分析更加快速,已逐渐成为新一代大数据处理平台中的佼佼者。 本书内容分为12章,从认识Apache Spark开始讲解,陆续介绍了Spark的使用、外部数据源、Spark SQL、Spark Streaming、机器学习、监督学习中的回归和分类、无监督学习、推荐系统、图像处理、优化及调优等内容。 本书适合大数据领域的技术人员,可以帮助他们更好地洞悉大数据,本书也适合想要学习Spark进行大数据处理的人员,它将是一本绝佳的参考教程。

Learning Spark[美] 卡劳[美] 肯维尼斯科[美] 温德尔[加] 扎哈里亚/王道远/
在当前标签下被提到1次,总共被提到5次
本书由 Spark 开发者及核心成员共同打造,讲解了网络大数据时代应运而生的、能高效迅捷地分析处理数据的工具——Spark,它带领读者快速掌握用 Spark 收集、计算、简化和保存海量数据的方法,学会交互、迭代和增量式分析,解决分区、数据本地化和自定义序列化等问题。

Linux系统编程拉姆 (Robert Love)/祝洪凯/李妹芳/付途/
在当前标签下被提到1次,总共被提到7次
系统编程是指编写系统软件,其代码在底层运行,直接跟内核和核心系统库对话。   《Linux系统编程(第2版)》是一本关于Linux系统编程的教程,也是一本介绍Linux系统编程的手册,还是一本如何实现更优雅更快代码的内幕指南。全书分为11章和2个附录,详细介绍了Linux系统编程基本概念、文件I/O、缓冲I/O、高级文件I/O、进程管理、高级进程管理、线程、文件和目录管理、信号和时间等主题。附录给出了gcc和GNU C提供的很多语言扩展,以及推荐阅读的相关书目。   《Linux系统编程(第2版)》的作者是知名的Linux内核专家,多本畅销技术图书的作者。《Linux系统编程(第2版)》需要在C编程和Linux编程环境下工作的程序员阅读,对于想要巩固基础或了解内核的高级编程人员,《Linux系统编程(第2版)》也很有参考价值。

统计学习基础(第2版)(英文)T.黑斯蒂 (Trevor Hastie)/
在当前标签下被提到1次,总共被提到7次
《统计学习基础(第2版)(英文)》内容简介:计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战,这导致了统计学领域新工具的发展,并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础,但常常用不同的术语来表达。《统计学习基础(第2版)(英文)》介绍了这些领域的一些重要概念。尽管应用的是统计学方法,但强调的是概念,而不是数学。许多例子附以彩图。《统计学习基础(第2版)(英文)》内容广泛,从有指导的学习(预测)到无指导的学习,应有尽有。包括神经网络、支持向量机、分类树和提升等主题,是同类书籍中介绍得最全面的。 《统计学习基础(第2版)(英文)》可作为高等院校相关专业本科生和研究生的教材,对于统计学相关人员、科学界和业界关注数据挖掘的人,《统计学习基础(第2版)(英文)》值得一读。

Data Algorithms_ Recipes for Scaling Up with Hadoop and SparkMahmoud Parsian/
在当前标签下被提到1次,总共被提到4次
If you are ready to dive into the MapReduce framework for processing large datasets, this practical book takes you step by step through the algorithms and tools you need to build distributed MapReduce applications with Apache Hadoop or Apache Spark. Each chapter provides a recipe for solving a massive computational problem, such as building a recommendation system. You'll learn how to implement ...

Hadoop技术内幕董西成/
在当前标签下被提到1次,总共被提到6次
《Hadoop技术内幕:深入解析MapReduce架构设计与实现原理》内容简介:“Hadoop技术内幕”共两册,分别从源代码的角度对“Common+HDFS”和“MapReduce的架构设计和实现原理”进行了极为详细的分析。《Hadoop技术内幕:深入解析MapReduce架构设计与实现原理》由Hadoop领域资深的实践者亲自执笔,首先介绍了MapReduce的设计理念和编程模型,然后从源代码的角度深入分析了RPC框架、客户端、JobTracker、TaskTracker和Task等MapReduce运行时环境的架构设计与实现原理,最后从实际应用的角度深入讲解了Hadoop的性能优化、安全机制、多用户作业调度器和下一代MapReduce框架等高级主题和内容。 《Hadoop技术内幕:深入解析MapReduce架构设计与实现原理》适合Hadoop的二次开发人员、应用开发工程师、运维工程师...

机器学习实战哈林顿 (Peter Harrington)/李锐/李鹏/曲亚东/王斌/
在当前标签下被提到1次,总共被提到50次
  《机器学习实战》内容简介:机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下,捕获数据并从中萃取有价值的信息或模式,使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。《机器学习实战》通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效可复用的Python代码阐释如何处理统计数据,进行数据分析及可视化。读者可从中学到一些核心的机器学习算法,并将其运用于某些策略性任务中,如分类、预测及推荐等。   《机器学习实战》适合机器学习相关研究人员及互联网从业人员学习参考。

人工智能:一种现代的方法(第3版)拉塞尔(Stuart J.Russell)/诺维格(Peter Norvig)/
在当前标签下被提到1次,总共被提到7次
《人工智能:一种现代的方法(第3版)(影印版)》最权威、最经典的人工智能教材,已被全世界100多个国家的1200多所大学用作教材。《人工智能:一种现代的方法(第3版)(影印版)》的最新版全面而系统地介绍了人工智能的理论和实践,阐述了人工智能领域的核心内容,并深入介绍了各个主要的研究方向。全书仍分为八大部分:第一部分“人工智能”,第二部分“问题求解”,第三部分“知识与推理”,第四部分“规划”,第五部分“不确定知识与推理”,第六部分“学习”,第七部分“通信、感知与行动”,第八部分“结论”。《人工智能:一种现代的方法(第3版)(影印版)》既详细介绍了人工智能的基本概念、思想和算法,还描述了其各个研究方向最前沿的进展,同时收集整理了详实的历史文献与事件。另外,《人工智能:一种现代的方法(第3版)(影印版)》的配套网址为教师和学生提供了大量教学和学习资料。 《人工智能:一种现代的方法(第3版)(...

深入理解Java虚拟机周志明/
在当前标签下被提到1次,总共被提到20次
第1版两年内印刷近10次,4家网上书店的评论近4?000条,98%以上的评论全部为5星级的好评,是整个Java图书领域公认的经典著作和超级畅销书,繁体版在台湾也十分受欢迎。第2版在第1版的基础上做了很大的改进:根据最新的JDK 1.7对全书内容进行了全面的升级和补充;增加了大量处理各种常见JVM问题的技巧和实践;增加了若干与生产环境相结合的实战案例;对第1版中的错误和不足之处的修正;等等。第2版不仅技术更新、内容更丰富,而且实战性更强。 《本书共分为五大部分,围绕内存管理、执行子系统、程序编译与优化、高效并发等核心主题对JVM进行了全面而深入的分析,深刻揭示了JVM的工作原理。 一部分从宏观的角度介绍了整个Java技术体系、Java和JVM的发展历程、模块化,以及JDK的编译,这对理解书中后面内容有重要帮助。 二部分讲解了JVM的自动内存管理,包括虚拟机内存区域的划分原理以及各种内存溢...

Effective JavaJoshua Bloch/杨春花/俞黎敏/
在当前标签下被提到1次,总共被提到37次
《Sun 公司核心技术丛书:Effective Java中文版(第2版)》内容简介:在Java编程中78条极具实用价值的经验规则,这些经验规则涵盖了大多数开发人员每天所面临的问题的解决方案。通过对Java平台设计专家所使用的技术的全面描述,揭示了应该做什么,不应该做什么才能产生清晰、健壮和高效的代码。第2版反映了Java 5中最重要的变化,并删去了过时的内容。 《Sun 公司核心技术丛书:Effective Java中文版(第2版)》中的每条规则都以简短、独立的小文章形式出现,并通过示例代码加以进一步说明。 《Sun 公司核心技术丛书:Effective Java中文版(第2版)》的内容包括: 全新的泛型、枚举、注解、自动装箱、fof-each循环、可变参数、并发机制,等等。 经典主题的全新技术和实践,包括对象.类、类库、方法和序列化。 如何避免Java编程语言中常被误解的细微之处:陷...

Pattern Recognition and Machine LearningChristopher M. Bishop/
在当前标签下被提到1次,总共被提到48次
This is the first textbook on pattern recognition to present the Bayesian viewpoint. The book presents approximate inference algorithms that permit fast approximate answers in situations where exact answers are not feasible. It uses graphical models to describe probability distributions when no other books apply graphical models to machine learning. No previous knowledge of pattern recognition ...