[spark] Elasticsearch服务器开发-第2版.pdf（高清，带书签）快速掌握

说明：ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。
<qq_35240226> 在 上传 | 大小：16777216

[kafka] kafka-connect-oracle-1.0

说明：该jar包是kafka连接oracle必备connector，可实现oracle增量变化后发送到kafka，供消费者消费
<qq_35240226> 在 上传 | 大小：4194304

[算法与数据结构] arch-master.

说明：ARCH模型是获得2003年诺贝尔经济学奖的计量经济学成果之一。被认为是最集中反映了方差变化特点而被广泛应用于金融数据时间序列分析的模型。ARCH模型是过去20年内金融计量学发展中最重大的创新。所有的波动率模型中,ARCH类模型无论从理论研究的深度还是从实证运用的广泛性来说都是独一无二的。
<qz1992> 在 上传 | 大小：1048576

[算法与数据结构] 时间序列分析预测

说明：Time_Series_Analysis,时间序列我分析，带有小数据集，方便验证，python实现
<qz1992> 在 上传 | 大小：3145728

[算法与数据结构] 数据挖掘习题

说明：详细的数据挖掘练习题，能更好的理解课程，选择国内外各大平台的讲师
<longmengdie> 在 上传 | 大小：4194304

[算法与数据结构] arima python

说明：ARIMA模型（英语：AutoregressiveIntegratedMovingAverage model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），时间序列预测分析方法之一。ARIMA（p，d，q）中，AR是"自回归"，p为自回归项数；MA为"滑动平均"，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。“差分”一词虽未出现在ARIMA的英文名称中，却是关键步骤
<qz1992> 在 上传 | 大小：225280

[kafka] Kafka监控工具KafkaOffsetMonitor-assembly-0.4.6-SNAPSHOT.jar

说明：angular 版本错误，请勿下载。请下载另一个版本 https://download.csdn.net/download/nicklsq/11082371
<nicklsq> 在 上传 | 大小：53477376

[算法与数据结构] 航空公司客户价值大数据分析源代码含数据python版

说明：航空公司客户价值大数据分析全部的源代码，使用python编写，含数据部分
<r78zyang> 在 上传 | 大小：19922944

[Hadoop] CDH5.7安装手册

说明：centos 6.8,cdh 5.7 包括ntp启用，mysql数据库安装及初始给,每一步都有截图。
<weixin_38900819> 在 上传 | 大小：1048576

[Hadoop] 基于Hadoop文件存储系统的研发2019

说明：基于Hadoop的文件存储系统是一个私有的专用网盘系统，具有强大和简单易用的文件管理、协同办公、部门或虚拟团队级文件共享等丰富功能。与免费的个人网盘相比，具有更强的团队协同功能，在组织架构、共享权限上能适应中小企业的需求。
<dongshilongdsl> 在 上传 | 大小：2097152

[算法与数据结构] 基于深度学习的面部表情识别研究

说明：深度学习在语音识别、图像理解等许多应用领域取得了突破性成果。针对基于深度学习的静态 人脸图像表情识别方法进行研究，首先介绍了深度学习的原理，并归纳了目前公开且常用的面部表情数据集；然后 介绍了基于深度学习的表情识别的三个步骤，归纳了图像预处理和表情分类的主要方法，重点总结了目前性能较好 用来提取特征的深度学习框架以及这些方法的基本原理和优劣势比较；最后指出了目前面部表情识别存在的问题和 未来可能的发展趋势。
<weixin_44684342> 在 上传 | 大小：570368

[算法与数据结构] 基于深度时空卷积神经网络的人群异常行为检测和定位

说明：针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题，提出一种基于深度时空卷积神经网络 的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点，综合利用静态图像的空间特征和前后帧 的时间特征，将二维卷积扩展到三维空间，设计面向人群异常行为检测和定位的深度时空卷积神经网络；为了定位 人群异常行为，将视频分成若干子区域，获取视频的子区域时空数据样本，然后将数据样本输入设计的深度时空卷 积神经网络进行训练和分类，实现人群异常行为的检测与定位。同时，为了解决深度时空卷积神经网络训练时样本
<weixin_44684342> 在 上传 | 大小：762880