A tömörítés megértése: Adattömörítés a modern fejlesztők számára

Olvasói vélemények

A könyv erősen ajánlott mindenkinek, aki érdeklődik a kódolási és tömörítési technikák iránt, mivel magával ragadó írói stílusa és hozzáférhetősége kiemelkedő. Sok olvasó értékelte a világos példákat és a humoros hangnemet, amely érthetőbbé teszi az összetett témákat. Néhány kritikus azonban csalódottságának adott hangot a veszteséges tömörítéssel kapcsolatos mélység hiánya miatt, és számos tipográfiai hibát emelt ki, amelyek akadályozták a tanulási élményt.

⬤ Jól megírt és könnyen olvasható
⬤ nagyszerű illusztrációk
⬤ magával ragadó írói stílus és humor
⬤ világos példák, amelyek leegyszerűsítik az összetett témákat
⬤ jó bevezetés az adattömörítési módszerekbe
⬤ hasznos referencia a modern tömörítési technikákról.

⬤ A veszteséges tömörítés korlátozott terjedelme
⬤ számos elgépelés a szövegben
⬤ egyes olvasók úgy érezték, hogy a szöveg túlságosan leegyszerűsíti a fogalmakat, és elkerüli a szükséges matematikai tárgyalásokat
⬤ a magyarázatokban időnként leereszkedő hangnemet érzékeltek.

(10 olvasói vélemény alapján)

Eredeti címe:

Understanding Compression: Data Compression for Modern Developers

Könyv tartalma:

Ha a felhasználók vonzását és megtartását szeretné elérni a mobilszolgáltatások virágzó piacán, akkor olyan gyorsan betöltődő alkalmazásra van szüksége, amely nem emészti fel az adatkeretüket. A kulcs a multimédiás és egyéb adatok kisebb fájlokba tömörítése, de a megfelelő módszer megtalálása nem egyszerű. Ez a szellemes könyv segít megérteni, hogyan működnek az adattömörítési algoritmusok - elméletben és gyakorlatban -, hogy a rendelkezésre álló tömörítési eszközök közül kiválaszthassa a legjobb megoldást.

A szerzők, Colt McAnlis és Aleks Haecky táblázatokkal, diagramokkal, játékokkal és a lehető legkevesebb matematikával szépen elmagyarázzák az alapokat. Megtudhatja, hogy a tömörített fájlok terjesztése és fogyasztása hogyan jobb, olcsóbb és gyorsabb, és hogyan biztosít versenyelőnyt.

⬤ Tudja meg, miért vált a tömörítés kulcsfontosságúvá, mivel az adattermelés továbbra is az egekbe szökik.

⬤ Tudja meg az adatokat, a körülményeket és az algoritmusválasztási lehetőségeket a tömörítési eszközök kiválasztásakor.

⬤ Tudja meg a változó hosszúságú kódokat, a statisztikai tömörítést, az aritmetikai numerikus kódolást, a szótári kódolást és a kontextusmodellezést.

⬤ Vizsgálja meg a fájlméret és a minőség közötti kompromisszumokat a képtömörítők kiválasztásakor.

⬤ Tanulja meg az ügyfél és a kiszolgáló által generált adatobjektumok tömörítésének módjait.

⬤ Találkozzon az adattömörítési algoritmusokat megalkotó feltalálókkal és látnokokkal.