|
|
| [참고서] 빅데이터 마이닝 (에이콘 데이터 과학 시리즈) [절판] |
|
|
| | | ㆍ판매가 | 38,000 원 (5%, 2,000 원 할인) | | | | | | | ㆍ592 쪽 | 189*253*32mm/1160g | ISBN : 9788960779532 | | |
|
|
|
|   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 처리하는 방법, 그 외 전자상거래에서 중요하게 사용되는 추천 시스템 및 웹 광고에 대해 다룬다. 제2판에는 소셜 네트워크와 머신 러닝 및 차원 축소 기법이 포함됐다. 데이터베이스와 웹 기술을 선도하는 학자들이 쓴 이 책은 전공자들과 실무자들에게 유용한 책이 될 것이다. |
 1장. 데이터 마이닝
1.1 데이터 마이닝이란?
1.2 데이터 마이닝의 통계적 한계점
1.3 알아두면 유용한 사실들
1.4 이 책의 개요
1.5 요약
1.6 참고문헌
2장. 맵리듀스와 새로운 소프트웨어 스택
2.1 분산 파일 시스템
2.2 맵리듀스
2.3 맵리듀스를 사용하는 알고리즘
2.4 맵리듀스의 확장
2.5 통신 비용 모델
2.6 맵리듀스에 대한 복잡도 이론
2.7 요약
2.8 참고문헌
3장. 유사 항목 찾기
3.1 근접 이웃 탐색의 응용
3.2 문서의 슁글링
3.3 집합의 유사도 보존 요약
3.4 문서의 지역성 기반 해싱
3.5 거리 측정
3.6 지역성 기반 함수의 이론
3.7 기타 거리 측정법들을 위한 LSH 함수군
3.8 지역성 기반 해시 응용 분야
3.9 높은 유사도 처리 방법
3.10 요약
3.11 참고문헌
4장. 스트림 데이터 마이닝
4.1 스트림 데이터 모델
4.2 스트림 데이터의 표본추출
4.3 스트림 필터링
4.4 스트림에서 중복을 제거한 원소 개수 세기
4.5 모멘트 근사치
4.6 윈도 내에서의 카운트
4.7 감쇠 윈도
4.8 요약
4.9 참고문헌
5장. 링크 분석
5.1 페이지랭크
5.2 페이지랭크의 효율적인 연산
5.3 주제 기반 페이지랭크
5.4 링크 스팸
5.5 허브와 권위자
5.6 요약
5.7 참고문헌
6장. 빈발 항목집합
6.1 시장바구니 모델
6.2 시장바구니와 선험적 알고리즘
6.3 메인 메모리에서 더 큰 데이터 집합 처리하기
6.4 단계 한정 알고리즘
6.5 스트림에서 빈발 항목 개수 세기
6.6 요약
6.7 참고문헌
7장. 클러스터링
7.1 클러스터링 기법의 개요
7.2 계층적 클러스터링
7.3 k평균 알고리즘
7.4 CURE 알고리즘
7.5 비유클리드 공간에서의 클러스터링
7.6 스트림을 위한 클러스터링과 병렬 처리
7.7 요약
7.8 참고문헌
8장. 웹을 통한 광고
8.1 온라인 광고와 관련된 주제들
8.2 온라인 알고리즘
8.3 조합 문제
8.4 애드워즈 문제
8.5 애드워즈 구현
8.6 요약
8.7 참고문헌
9장. 추천 시스템
9.1 추천 시스템 모델
9.2 내용 기반 추천
9.3 협업 필터링
9.4 차원 축소
9.5 넷플릭스 챌린지
9.6 요약
9.7 참고문헌
10장. 소셜 네트워크 그래프 마이닝
10.1 소셜 네트워크 그래프
10.2 소셜 네트워크 그래프 클러스터링
10.3 커뮤니티의 직접적 발견
10.4 그래프 분할
10.5 겹치는 커뮤니티 찾기
10.6 유사순위
10.7 삼각형의 개수 세기
10.8 그래프의 이웃 특징
10.9 요약
10.10 참고문헌
11장. 차원 축소
11.1 고윳값과 고유벡터
11.2 주성분 분석
11.3 특이 값 분해
11.4 CUR 분해
11.5 요약
11.6 참고문헌
12장. 대규모 머신 러닝
12.1 머신 러닝 모델
12.2 퍼셉트론
12.3 서포트 벡터 머신
12.4 최근접 이웃 학습
12.5 학습 방식의 비교
12.6 요약
12.7 참고문헌 |
|
|  | 현재 빅데이터 마이닝 (에이콘 데이터 과학 시리즈)에 등록된 서평이 없습니다. |  |
|
|
|
