Learning SQL 2nd Edition Master SQL Fundamentals

作者： Wes McKinney页数： 550语言： 英文出版商： O'Reilly Media出版日期： 2017-09-25ISBN-10： 1491957662ISBN-13： 9781491957660目录：- 前言- Python 语言基础、IPython 和 Jupyter 笔记本- 内置数据结构、函数和文件- NumPy 基础：数组和矢量化计算- pandas 入门- 数据加载、存储和文件格式- 数据清洗和准备- 数据处理：连接、合并和重塑- 绘图和可视化- 数据汇总和组操作- 插曲：数据分析示例- 时间序列- 高级 NumPy- 使用 pandas 的建模库- 示例数据集- 附录：高级 IPython 和 Jupyter

Expert MySQL is the premier guide for learning, comprehending, and expanding the MySQL server. It fully explores the potential of open-source by demonstrating methods to alter the code, develop custom storage engines, design personalized authentication plugins, and introduce unique functions and commands into SQL syntax. No other publication matches the comprehensive insights and practical examples into MySQL's inner workings, expertise honed over years by engineers. Expert MySQL serves as an indispensable resource for integrators, engineers, and software developers engaged with MySQL server code.

《Spark 2nd Edition快速数据处理》是一本关于使用Spark进行快速、分布式和可扩展实时数据分析的电子版图书，作者包括Krishna Sankar和Holden Karau，由Packt Publishing出版，第二版出版于2015年3月。本书详细介绍了如何利用Apache Spark的强大功能和灵活性来处理大数据，重点在于实时数据处理。内容涵盖Spark的基本架构、Spark Streaming的数据流处理、Spark SQL的数据库操作、MLlib机器学习库的使用以及GraphX图形处理框架。通过丰富的实例和详细解释，展示了如何构建高效的大数据处理程序。Spark是一个开源的分布式计算系统，提供了一个快速、通用的计算引擎。其核心RDD是一个容错的、并行操作的数据结构，可以显式地将数据存储在内存中，实现快速访问。Spark Streaming模块处理实时数据流，允许用户从多种源接收数据流，并应用相同的转换和动作。Spark SQL模块提供DataFrame API，类似于Python中的pandas库或R语言中的数据框，支持SQL查询语言进行数据分析。MLlib是内置的机器学习库，提供多种常见的ML算法实现和构建工具。GraphX是用于图形计算和数据并行计算的API，扩展了RDD，提供了多种图算法实现。

《MySQL Cookbook(第2版)》是一本专为MySQL数据库用户准备的深入浅出的实用指南。这本书的中文版帮助中国读者更好地理解和应用MySQL，尤其是面对日常数据库操作与复杂查询的难题时。本书涵盖了从基础到高级的主题，包含以下关键内容： 1. 安装与配置 提供不同操作系统上MySQL的安装步骤，并指导如何调整服务器参数以优化性能。 2. 数据类型与模式设计 介绍MySQL的数据类型，如何创建和管理数据库模式，以及如何设计符合业务需求的表结构。 3. SQL查询 详述如何编写高效的SELECT语句，包括联接查询、子查询、分组和聚合函数的应用，以及使用窗口函数进行复杂分析。 4. 插入与更新数据 讲解INSERT、UPDATE和DELETE语句的使用技巧，并探讨事务与并发控制的处理方法。 5. 索引与性能优化 解析索引原理，如何创建与管理B树、哈希索引，并使用EXPLAIN分析查询性能并优化。 6. 存储引擎 比较InnoDB和MyISAM等主要存储引擎的特点和适用场景，帮助选择合适的引擎。 7. 备份与恢复 介绍全量备份、增量备份和热备份，以及在数据丢失时的恢复方法。 8. 安全与权限管理 涵盖用户账户管理、权限分配、加密技术等，保障数据库的安全性。 9. 复制与集群 详解MySQL的复制机制、主从复制设置以及高可用性和负载均衡的实现。 10. 日志与监控 讲述错误日志、查询日志和慢查询日志的使用，并使用监控工具跟踪数据库性能。 11. 程序接口 如何用PHP、Python、Java等语言与MySQL交互，及利用ODBC和JDBC连接MySQL。 12. 高级话题 包括分区、触发器、存储过程、事件调度器等进阶功能，并探讨JSON数据的处理方法。 通过阅读《MySQL Cookbook(第2版)》中文版，读者可以掌握MySQL的全方位知识，无论是初学者还是经验丰富的DBA，都能从中找到合适的解决方案。

MongoDB Definitive Guide第二版（2013）英文版与第一版（2010）中文版

自第一版《PostgreSQL Replication》以来，许多新技术已经涌现或得到改进。在PostgreSQL社区中，全球无数的人们致力于重要的技术和工具，以使PostgreSQL更加实用和强大。为了确保读者能够享受到所有这些新功能和强大的工具，我决定撰写第二版改进版《PostgreSQL Replication》。基于第一版的成功，希望使本书对全球的管理员和开发人员更加有用。所有重要的新发展都已涵盖，并且大多数章节已经重新设计，使其更易理解、更全面并且保持最新。希望大家能从这本书中受益。

深度学习历史趋势 一、深度学习历史趋势 神经网络的众多名称和命运变迁： 早期发展：20世纪50年代末至60年代初，神经网络研究开始兴起，受到广泛关注。 第一次寒冬：1970年代，由于理论和技术上的限制，神经网络研究进入低谷期。 反向传播算法的引入：1980年代中期，反向传播算法的提出极大地推动了神经网络的研究和发展。 第二次寒冬：1990年代中期，尽管有了突破性的进展，但由于计算资源和数据量的限制，神经网络再次遭遇挫折。 深度学习的复兴：21世纪初至今，随着GPU技术的发展、大数据时代的到来以及算法的不断创新，深度学习迎来了爆发式的增长。 与日俱增的数据量： 互联网时代：随着互联网的普及，数据生成的速度大大加快。 社交媒体：社交媒体平台成为海量数据的重要来源之一。 物联网：各种传感器设备不断收集环境数据，进一步丰富了数据资源。 大数据技术：Hadoop等大数据处理框架为存储和处理大规模数据提供了技术支持。 与日俱增的模型规模： 参数数量增加：随着模型复杂度的提升，模型中的参数数量也在不断增加。 深层架构：从最初的几层到现在的上百层甚至更多，神经网络的层数不断增加。 并行计算：GPU等硬件技术的进步使得大型模型的训练成为可能。 与日俱增的精度、复杂度和对现实世界的冲击： 精度提升：随着模型的改进，识别和预测的准确率不断提高。 应用场景扩展：从图像识别到自然语言处理，再到推荐系统等领域，深度学习的应用范围越来越广泛。 社会经济影响：人工智能技术的发展对各行各业产生了深远的影响，促进了产业升级和社会变革。 二、应用数学与机器学习基础 线性代数： 标量、向量、矩阵和张量：介绍了这些基本概念及其在深度学习中的应用。 矩阵和向量相乘：讲解了如何进行矩阵和向量之间的乘法操作。 单位矩阵和逆矩阵：单位矩阵是重要的特殊矩阵，逆矩阵对于解决线性方程组等问题至关重要。 线性相关和生成子空间：线性相关的概念有助于理解数据的空间表示。 范数：范数可以用来衡量向量或矩阵的大小和特性。

The following differential schemes are used to solve the given problem: First Scheme: Combining equations (18), (21), and (22), we derive a differential scheme for solving problem (7). The general form is given as follows:[u^{n+1} = u^n + \Delta t \left( -\left( \frac{d^2 u}{dx^2} \right)^n \right)]In this case, the value of ( u_0 ) at layer ( j=0 ) is known. Using the above scheme, we can compute approximate values for nodes in the first layer ( j=1 ), then continue calculating successively for each layer. Classical Implicit Scheme: Rearranging equation (19) and combining with equations (21) and (22), we arrive at the following implicit differential scheme:[u^{n+1} = u^n + \Delta t \left( -\left( \frac{d^2 u}{dx^2} \right)^n + f(x, t) \right)]In this implicit scheme, though ( u_0 ) at the 0th layer is known, the calculation of values for subsequent layers ( j \geq 1 ) cannot be done directly. Hence, this scheme is termed the classical implicit format. Dufort-Frankel Scheme: The Dufort-Frankel scheme is a three-layer explicit scheme derived by combining equations (24), (25), and (26). Its specific form is:[u^{n+1} = u^n + \Delta t \left( \frac{1}{2} \left( \frac{d^2 u}{dx^2} \right)^n \right)]In this scheme, the value ( u_0 ) at the 0th layer is determined by the initial condition, and then values for subsequent layers are computed iteratively, starting from the 1st layer using a two-layer format. Hyperbolic Equation and Differential Solutions: For the second-order wave equation:[\frac{\partial^2 u}{\partial x^2} = a^2 \frac{\partial^2 u}{\partial t^2}]we define:[v = \frac{\partial u}{\partial x}, \quad \frac{\partial v}{\partial t} = \frac{\partial u}{\partial t}]This transforms the equation into a first-order linear system of hyperbolic equations."

Toms Kyte的《Oracle9i&10g编程艺术》的第二版