说明：《Hadoop实战》英文版
说明：Deep Dive-How Spark Uses Memory
说明：《HDFS-Hadoop分布式文件系统深度实践》
说明：PRML读书会第八章 Graphical Models（贝叶斯网络和马尔科夫随机场的概念、联合概率分解、条件独立表示；图的概率推断inference）
说明：PRML读书会第九章 Mixture Models and EM（Kmeans；混合高斯模型以及EM（Expectation Maximization）算法；一
说明：PRML读书会第十章 Variational Inference（近似推断、变分推断用到的KL散度、根据平均场 Mean Field 思想的分解及迭代求最优解）
说明：PRML读书会第十一章 Sampling Methods（MCMC Markov Chain Monte Carlo，细致平稳条件；Metropolis-Has
说明：PRML读书会第十二章 Continuous Latent Variables（PCA Principal Component Analysis；PPCA；核P
说明：PRML读书会第十三章 Sequential Data（Hidden Markov Models及其EM求解、HMM的预测和解码）
说明：PRML读书会第十四章 Combining Models（committees；Boosting、AdaBoost；决策树和条件混合模型）
说明：PRML读书会第三章 Linear Models for Regression(线性基函数模型、正则化方法、贝叶斯线性回归等)
说明：PRML读书会第四章 Linear Models for Classification(贝叶斯marginalization、Fisher线性判别、感知机、概率
说明：PRML读书会第五章 Neural Networks（神经网络、BP误差后向传播链式求导法则、正则化、卷积网络）
说明：PRML读书会第六章 Kernel Methods（核函数，线性回归的Dual Representations；高斯过程 Gaussian Processes的
说明：PRML读书会第七章 Sparse Kernel Machines（支持向量机 support vector machine ；KKT条件；RVM）
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。