机器
大数据与机器学习：实践方法与行业案例
资源名称：大数据与机器学习：实践方法与行业案例 内容简介： 本书从企业实践出发，内容覆盖数据、平台、分析和应用等企业内数据流转的主要环节。布局上，按照数据与平台篇、分析篇和应用篇分别撰写。数据与平台篇（第 章），立足找到数据、整合数据、使用数据三个角度，介绍数据在企业内的分布和处理逻辑，以便快速为分析准备素材。分析篇（第 章），选取企业实际案例，介绍常用的数据挖掘与机器学习算法，以业务场景为导向展示数据分析过程和技巧。应用篇（第 章），选取当前主流的四个应用场景，介绍如何实现数据驱动，让数据 自动 流转于
Python+Spark 2.0+Hadoop机器学习与大数据实战
资源名称： 机器学习与大数据实战 内容简介： 本书从浅显易懂的 大数据和机器学习 原理说明入手，讲述大数据和机器学习的基本概念，如分类、分析、训练、建模、预测、机器学习（推荐引擎）、机器学习（二元分类）、机器学习（多元分类）、机器学习（回归分析）和数据可视化应用等。书中不仅加入了新近的大数据技术，还丰富了 机器学习 内容。 为降低读者学习大数据技术的门槛，书中提供了丰富的上机实践操作和范例程序详解，展示了如何在单机 系统上通过 虚拟机安装多机 虚拟机，如何建立 集群，再建立 开发环境。书中介绍搭建的上机实
Spark MLlib机器学习实践（第2版）
资源名称： 机器学习实践（第 版） 内容简介： 作为新兴的、应用范围 为广泛的大数据处理开源框架引起了广泛的关注，它吸引了大量程序设计和开发人员进行相关内容的学习与开发，其中 是 框架使用的核心。本书是一本细致介绍 程序设计的图书，入门简单，示例丰富。 本书分为 章，从 基础安装和配置开始，依次介绍 程序设计基础、 的数据对象构建、 中 使用介绍，各种分类、聚类、回归等数据处理方法， 后还通过一个完整的实例，回顾了前面的学习内容，并通过代码实现了一个完整的分析过程。 本书理论内容由浅而深，采取实例和理论相
数据挖掘实用机器学习技术（中文第二版）_数据库教程
资源名称：数据挖掘实用机器学习技术 中文第二版 内容简介： 《数据挖掘实用机器学习技术 原书第 版 》介绍数据挖掘的基本理论与实践方法。主要内容包括：各种模型 决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络 以及在实践中的运用，所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台 。 系统拥有进行数据挖掘任务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。 资源截图：
机器学习与数据挖掘：方法和应用_数据库教程
资源名称：机器学习与数据挖掘：方法和应用 内容简介： 本书分为 个部分，共 章，较为全面地介绍了机器学习的基本概念，并讨论了数据挖掘和知识发现中的有关问题及多策略学习方法，具体地阐述了机器学习与数据挖掘在工程设计，文本、图像和音乐，网页分析、计算机病毒和计算机控制，医疗诊断、生物医疗信号分析和水质分析中的生物信号处理等方面的应用情况。 本书收集众多不同领域中数据挖掘的实际案例，以此来说明数据挖掘的具体解决方法，以期为广大读者提供一个更为广阔的数据挖掘应用视角。 本书的读者，可以是任何对机器学习与数据挖掘感
数据挖掘：实用机器学习工具与技术 原书第3版_数据库教程
资源名称：数据挖掘：实用机器学习工具与技术 原书第 版 内容简介： 大数据时代应用机器学习方法解决数据挖掘问题的实用指南。 洞察隐匿于大数据中的结构模式，有效指导数据挖掘实践和商业应用。 系统的主要开发者将丰富的研发、商业应用和教学实践的经验和技术融会贯通。 广泛覆盖在数据挖掘实践中采用的算法和机器学习技术，着眼于解决实际问题 避免过分要求理论基础和数学知识，重点在于告诉读者 如何去做 ，同时包括许多算法、代码以及具体实例的实现。 将所有的概念都建立在具体实例的基础之上，促使读者首先考虑使用简单的技术。如
1993猫力币带机器/运营版/Gateio/区块链/数字货币交易
源码描述： 端： 域名 端： 域名 后台： 域名 管理员用户名： 密码： （ ）用户可以自己注册登录体验。交易机器人对运行服务器配置要求较高， （ ）观看 的效果可以使用 浏览器手机访问模式或者使用谷歌浏览器 模式查看手机端地址即可。 （ ）安装包内附带批量替换软件可以将默认的锚定币（ 、 ）批量替换成其他锚定币，注意区分大小写。锚定币价格设定在后台 财务 管理 配置（充值单价比例和提现单价比例）。 功能简要说明： 带 、 端；均有高端 线和委托档位， 端一键封装（不是原生 代码编译版本， 分发软件打包）
Python3入门机器学习教程
为机器学习初学者量身打造，使用新版 语言和流行的 框架，算法与编程两翼齐飞，由浅入深，一步步的进入机器学习的世界。学到的不只是一门课程，更是不断思考的能力。链接： 提取码：