Kapcsolat
Hogyan vásároljunk
Kézbesítés
Vásárlási tanácsadó
Angol
336 b
Akár 30 napos visszaküldési lehetőség
A vásárlók ilyet vásároltak
/
Puha kötésű
6 465
Ft
This book presents an integrated collection of representative approaches for scaling up machine learning and data mining methods on parallel and distributed computing platforms. Demand for parallelizing learning algorithms is highly task-specific: in some settings it is driven by the enormous dataset sizes, in others by model complexity or by real-time performance requirements. Making task-appropriate algorithm and platform choices for large-scale machine learning requires understanding the benefits, trade-offs and constraints of the available options. Solutions presented in the book cover a range of parallelization platforms from FPGAs and GPUs to multi-core systems and commodity clusters, concurrent programming frameworks including CUDA, MPI, MapReduce and DryadLINQ, and learning settings (supervised, unsupervised, semi-supervised and online learning). Extensive coverage of parallelization of boosted trees, SVMs, spectral clustering, belief propagation and other popular learning algorithms and deep dives into several applications make the book equally useful for researchers, students and practitioners.
Információ a könyvről
Angol
Ajándékozza oda ezt a könyvet még ma
Nagyon egyszerű
1 Tegye a kosárba könyvet, és válassza ki a kiszállítás ajándékként opciót 2 Rögtön küldjük Önnek az utalványt 3 A könyv megérkezik a megajándékozott címéreEzt is ajánljuk
/
Kemény kötésű
40 911
Ft
/
Puha kötésű
12 840
Ft
/
Puha kötésű
7 280
Ft
/
Puha kötésű
21 349
Ft
