29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
15 °P sammeln
  • Broschiertes Buch

La agrupación de datos es un reto prevalente en el procesamiento de big data, y la paralelización de las operaciones de agrupación mejora significativamente la eficiencia en aplicaciones que implican búsquedas frecuentes. Existen varias técnicas de clustering para la agrupación de datos, siendo CBAR ampliamente utilizada en diferentes aplicaciones. Paralelizar CBAR es esencial para big data, y la plataforma Hadoop MapReduce ofrece un marco adecuado para mejorar la eficiencia aprovechando técnicas de segmentación eficaces. En este libro se diseñan e implementan algoritmos para CBAR utilizando…mehr

Produktbeschreibung
La agrupación de datos es un reto prevalente en el procesamiento de big data, y la paralelización de las operaciones de agrupación mejora significativamente la eficiencia en aplicaciones que implican búsquedas frecuentes. Existen varias técnicas de clustering para la agrupación de datos, siendo CBAR ampliamente utilizada en diferentes aplicaciones. Paralelizar CBAR es esencial para big data, y la plataforma Hadoop MapReduce ofrece un marco adecuado para mejorar la eficiencia aprovechando técnicas de segmentación eficaces. En este libro se diseñan e implementan algoritmos para CBAR utilizando el enfoque MapReduce, con pruebas realizadas en clusters de hasta 4 nodos. Los resultados demuestran ganancias sustanciales de rendimiento, que se analizan y discuten con ejemplos ilustrativos.
Autorenporträt
Sayantan Singha Roy è professore assistente presso il Dipartimento di Informatica e Ingegneria del Software, appassionato di didattica innovativa. I suoi interessi di ricerca includono il clustering dei big data, il calcolo parallelo e la sicurezza informatica basata sull'apprendimento automatico.