• 大型网站系统与Java中间件实践 PDF 高清版 带书签

    大型网站系统与Java中间件实践 目录: 第1章 分布式系统介绍  1.1 初识分布式系统   1.1.1 分布式系统的定义   1.1.2 分布式系统的意义  1.2 分布式系统的基础知识   1.2.1 组成计算机的5要素   1.2.2 线程与进程的执行模式   1.2.3 网络通信基础知识   1.2.4 如何把应用从单机扩展到分布式   1.2.5 分布式系统的难点 第2章 大型网站及其架构演进过程  2.1 什么是大型网站  2.2 大型网站的架构演进   2.2.1 用JAVA技术和单机来构建的网站   2.2.2 从一个单机的交易网站说起   2.2.3 单机负载告警,数据库与应用分离   2.2.4 应用服务器负载告警,如何让应用服务器走向集群   2.2.5 数据读压力变大,读写分离吧   2.2.6 弥补关系型数据库的不足,引入分布式存储系统   2.2.7 读写分离后,数据库又遇到瓶颈   2.2.8 数据库问题解决后,应用面对的新挑战   2.2.9 初识消息中间件   2.2.10 总结 第3章 构建JAVA中间件  3.1 JAVA中间件的定义  3.2 构建JAVA中间件的基础知识   3.2.1 跨平台的JAVA运行 环境——JVM   3.2.2 垃圾回收与内存堆布局   3.2.3 JAVA并发编程的类、接口和方法   3.2.4 动态代理   3.2.5 反射   3.2.6 网络通信实现选择  3.3 分布式系统中的JAVA中间件 第4章 服务框架  4.1 网站功能持续丰富后的困境与应对  4.2 服务框架的设计与实现   4.2.1 应用从集中式走向分布式所遇到的问题   4.2.2 透过示例看服务框架原型   4.2.3 服务调用端的设计与实现   4.2.4 服务提供端的设计与实现   4.2.5 服务升级  4.3 实战中的优化  4.4 为服务化护航的服务治理  4.5 服务框架与ESB的对比  4.6 总结 第5章 数据访问层  5.1 数据库从单机到分布式的挑战和应对   5.1.1 从应用使用单机数据库开始   5.1.2 数据库垂直/水平拆分的困难   5.1.3 单机变为多机后,事务如何处理   5.1.4 多机的SEQUENCE问题与处理   5.1.5 应对多机的数据查询  5.2 数据访问层的设计与实现   5.2.1 如何对外提供数据访问层的功能   5.2.2 按照数据层流程的顺序看数据层设计   5.2.3 独立部署的数据访问层实现方式   5.2.4 读写分离的挑战和应对  5.3 总结 第6章 消息中间件  6.1 消息中间件的价值   6.1.1 消息中间件的定义   6.1.2 透过示例看消息中间件对应用的解耦  6.2 互联网时代的消息中间件   6.2.1 如何解决消息发送一致性   6.2.2 如何解决消息中间件与使用者的强依赖问题   6.2.3 消息模型对消息接收的影响   6.2.4 消息订阅者订阅消息的方式   6.2.5 保证消息可靠性的做法   6.2.6 订阅者视角的消息重复的产生和应对   6.2.7 消息投递的其他属性支持   6.2.8 保证顺序的消息队列的设计   6.2.9 PUSH和PULL方式的对比 第7章 软负载中心与集中配置管理  7.1 初识软负载中心  7.2 软负载中心的结构  7.3 内容聚合功能的设计  7.4 解决服务上下线的感知  7.5 软负载中心的数据分发的特点和设计   7.5.1 数据分发与消息订阅的区别   7.5.2 提升数据分发性能需要注意的问题  7.6 针对服务化的特性支持   7.6.1 软负载数据分组   7.6.2 提供自动感知以外的上下线开关   7.6.3 维护管理路由规则  7.7 从单机到集群   7.7.1 数据统一管理方案   7.7.2 数据对等管理方案  7.8 集中配置管理中心   7.8.1 客户端实现和容灾策略   7.8.2 服务端实现和容灾策略   7.8.3 数据库策略 第8章 构建大型网站的其他要素  8.1 加速静态内容访问速度的CDN  8.2 大型网站的存储支持   8.2.1 分布式文件系统   8.2.2 NOSQL   8.2.3 缓存系统  8.3 搜索系统   8.3.1 爬虫问题   8.3.2 倒排索引   8.3.3 查询预处理   8.3.4 相关度计算  8.4 数据计算支撑  8.5 发布系统  8.6 应用监控系统  8.7 依赖管理系统  8.8 多机房问题分析  8.9 系统容量规划  8.10 内部私有云

    2018-06-07
    29
  • Michael Nielsen所著的Neural Networks and Deep Learning-神经网络与深度学习 高清PDF

    Michael Nielsen所著的Neural Networks and Deep Learning,非常适合用来入门神经网络和深度学习。原书为网页版书籍。这里提供PDF版本书籍。

    2018-05-09
    24
  • Neural Network and Deep Learning神经网络与深度学习 中文高清完整版PDF

    深入浅出的有关神经网络和深度学习教程,译自 Michael Nielsen 的[电子书] 本人已阅读完毕,其中一部分翻译和主流翻译有出入,但整体框架把握的很棒,并且讲出了深度学习中选择特定处理措施的原因,此外还有着对过去的总结和未来的展望。是一本非常不错的入门综述书籍。 神经网络和深度学习是一本在线书。本书会教会你: 神经网络,一种美妙的受生物学启发的编程范式,可以让计算机从观测数据中进行学习 深度学习,一个强有力的用于神经网络学习的众多技术的集合 神经网络和深度学习目前给出了在图像识别、语音识别和自然语言处理领域中很多问题的最好解决方案。本书将会教你在神经网络和深度学习背后的众多核心概念。 本人已阅读完毕,其中一部分翻译和主流翻译有出入,但整体框架把握的很棒,并且讲出了深度学习中选择特定处理措施的原因,此外还有着对过去的总结和未来的展望。是一本非常不错的入门综述书籍。

    2018-05-09
    49
  • 图解机器学习 [日] 杉山将 著;许永伟 译 高清PDF带书签

    内容简介 · · · · · · 本书用丰富的图示,从最小二乘法出发,对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种无监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。 本书适合所有对机器学习有兴趣的初学者阅读。 187张图解轻松入门 提供可执行的Matlab程序代码 覆盖机器学习中最经典、用途最广的算法 专业实用 东京大学教授、机器学习权威专家执笔,浓缩机器学习的关键知识点 图文并茂 187张图示帮助理解,详略得当,为读懂大部头开路。 角度新颖 基于最小二乘法讲解各种有监督学习的回归和分类算法,以及无监督学习算法。 实战导向 配有可执行的MATLAB程序代码,边学习边实践。 作者简介 · · · · · · 杉山将 1974年生于大阪。东京工业大学计算机工程学博士毕业,现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发,以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》 、Density Ratio Estimation in Machine Learning等。同时也是Pattern Recognition and Machine Learning日文版的译者之一。 许永伟 2009年赴东京大学攻读博士学位,现于东京大学空间信息科学研究所从事博士后研究(特任研究员)。主要研究方向为模式识别与机器学习、图像处理与计算机视觉,对数据挖掘、大数据和信息架构有浓厚兴趣。 目录 · · · · · · 第I部分 绪 论 第1章 什么是机器学习 2 1.1 学习的种类 2 1.2 机器学习任务的例子 4 1.3 机器学习的方法 8 第2章 学习模型 12 2.1 线性模型 12 2.2 核模型 15 2.3 层级模型 17 第II部分 有监督回归 第3章 最小二乘学习法 22 3.1 最小二乘学习法 22 3.2 最小二乘解的性质 25 3.3 大规模数据的学习算法 27 第4章带有约束条件的最小二乘法 31 4.1 部分空间约束的最小二乘学习法 31 4.2 l2 约束的最小二乘学习法 33 4.3 模型选择 37 第5章 稀疏学习 43 5.1 l1 约束的最小二乘学习法 43 5.2 l1 约束的最小二乘学习的求解方法 45 5.3 通过稀疏学习进行特征选择 50 5.4 lp约束的最小二乘学习法 51 5.5 l1+l2 约束的最小二乘学习法 52 第6章 鲁棒学习 55 6.1 l1 损失最小化学习 56 6.2 Huber损失最小化学习 58 6.3 图基损失最小化学习 63 6.4 l1 约束的Huber损失最小化学习 65 第III部分 有监督分类 第7章 基于最小二乘法的分类 70 7.1 最小二乘分类 70 7.2 0/1 损失和间隔 73 7.3 多类别的情形 76 第8章 支持向量机分类 80 8.1 间隔最大化分类 80 8.2 支持向量机分类器的求解方法 83 8.3 稀疏性 86 8.4 使用核映射的非线性模型 88 8.5 使用Hinge损失最小化学习来解释 90 8.6 使用Ramp损失的鲁棒学习 93 第9章 集成分类 98 9.1 剪枝分类 98 9.2 Bagging学习法 101 9.3 Boosting 学习法 105 第10章 概率分类法 112 10.1 Logistic回归 112 10.2 最小二乘概率分类 116 第11 章序列数据的分类 121 11.1 序列数据的模型化 122 11.2 条件随机场模型的学习 125 11.3 利用条件随机场模型对标签序列进行预测 128 第IV部分 无监督学习 第12章 异常检测 132 12.1 局部异常因子 132 12.2 支持向量机异常检测 135 12.3 基于密度比的异常检测 137 第13章 无监督降维 143 13.1 线性降维的原理 144 13.2 主成分分析 146 13.3 局部保持投影 148 13.4 核函数主成分分析 152 13.5 拉普拉斯特征映射 155 第14章 聚类 158 14.1 K均值聚类 158 14.2 核K均值聚类 160 14.3 谱聚类 161 14.4 调整参数的自动选取 163 第V部分 新兴机器学习算法 第15章 在线学习 170 15.1 被动攻击学习 170 15.2 适应正则化学习 176 第16章 半监督学习 181 16.1 灵活应用输入数据的流形构造 182 16.2 拉普拉斯正则化最小二乘学习的求解方法 183 16.3 拉普拉斯正则化的解释 186 第17章 监督降维 188 17.1 与分类问题相对应的判别分析 188 17.2 充分降维 195 第18章 迁移学习 197 18.1 协变量移位下的迁移学习 197 18.2 类别平衡变化下的迁移学习 204 第19章 多任务学习 212 19.1 使用最小二乘回归的多任务学习 212 19.2 使用最小二乘概率分类器的多任务学习 215 19.3 多次维输出函数的学习 216 第VI部分 结 语 第20章 总结与展望 222 参考文献 225

    2018-05-06
    20
  • jeesite项目源码

    java 开发集成框架环境。 jeesite项目源码,个人收集,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!

    2018-05-06
    38
  • ( C语言经典例子100个.doc )

    ( C语言经典例子100个.doc ) 个人收集,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!

    2018-05-06
    9
  • ( Storm实时数据处理.zip )PDF 高清版

    ( Storm实时数据处理.zip )PDF 高清版 个人收集电子书,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!

    2018-05-06
    9
  • 算法设计与分析(第3版) 课件ppt

    算法设计与分析(第3版) 课件ppt 算法设计与分析(第3版) 课件ppt

    2018-05-06
    16
  • ( 《失控》.中文版.zip )

    ( 《失控》.中文版.zip ) 区块链技术源头,去中心化思想来源。。。

    2018-05-06
    10
  • 尚硅谷最新 SpringCloud全套视频打包地址.doc )

    最新的尚硅谷视频,包括springcloud springboot 和linux,通用mapper等。都在百度云链接中

    2018-04-28
    10
上传资源赚积分or赚钱