Введение В Аналитику Больших Массивов Данных
5. Введение в когнитивный анализ данных
17. Основные библиотеки для Data Mining
8. Информативность и выбор признаков
19. Зачем нужны новые хранилища
7. Разработка алгоритмов на базе FRiS-функции
18. Возможности библиотеки Pandas
6. Классификация задач. Функция конкурентного сходства
2. Основные вызовы больших данных
15. R как инструмент Data Mining
9. Обнаружение ошибок и заполнение пробелов
10. Общие сведения о языке R. Основные функции
3. Определение термина «большие данные»
21. ACID требования, CAP-теорема, BASE архитектура
1. Общее понятие о больших данных
20. Свойства больших данных и ограничения RDBMS
16. Решение задач Data Mining. R и Hadoop
27. Документо-ориентированные
Страницы:
1