書馨卡幫你省薪 2024個(gè)人購(gòu)書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

全棧數(shù)據(jù)之門

作者：任柳江著
出版社：電子工業(yè)出版社出版時(shí)間：2017-04-01
開(kāi)本： 32開(kāi) 頁(yè)數(shù)： 368
中 圖 價(jià):¥58.5(7.4折) 定價(jià)  ¥79.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>
買過(guò)本商品的人還買了

全棧數(shù)據(jù)之門 版權(quán)信息

全棧數(shù)據(jù)之門 本書特色

本書以數(shù)據(jù)分析領(lǐng)域*熱的Python語(yǔ)言為主要線索，介紹了數(shù)據(jù)分析庫(kù)numpy、Pandas與機(jī)器學(xué)習(xí)庫(kù)scikit-learn，使用了可視化環(huán)境Orange 3來(lái)理解算法的一些細(xì)節(jié)。對(duì)于機(jī)器學(xué)習(xí)，既有常用算法KNN與Kmeans的應(yīng)用，決策樹與*森林的實(shí)戰(zhàn)，還涉及常用特征工程與深度學(xué)習(xí)中的自動(dòng)編程器。在大數(shù)據(jù)Hadoop與Hive環(huán)境的基礎(chǔ)之上，使用Spark的ML/MLlib庫(kù)集成了前面的各部分內(nèi)容，讓分布式機(jī)器學(xué)習(xí)更容易。大量的工具與技能實(shí)戰(zhàn)的介紹將各部分融合成一個(gè)全棧的數(shù)據(jù)科學(xué)內(nèi)容。

全棧數(shù)據(jù)之門 內(nèi)容簡(jiǎn)介

√ 執(zhí)利器而守重鎮(zhèn)——Python*強(qiáng)大的領(lǐng)域在數(shù)據(jù)科學(xué)
√ 窺全貌而知路徑——整合Linux|Python|SQL|Hadoop|Hive|Spark|數(shù)據(jù)挖掘|機(jī)器學(xué)習(xí)|深度學(xué)習(xí)
√ 知原理而致應(yīng)用——全棧數(shù)據(jù)既指數(shù)據(jù)技術(shù)，也指業(yè)務(wù)數(shù)據(jù)，生產(chǎn)環(huán)境是*終的檢驗(yàn)場(chǎng)。
√ 立平臺(tái)而生數(shù)據(jù)——建設(shè)強(qiáng)大數(shù)據(jù)平臺(tái)，是支撐產(chǎn)品也業(yè)務(wù)的必由之路。

全棧數(shù)據(jù)之門 目錄

目錄
前言　自強(qiáng)不息，厚德載物 / XIX
0x1　Linux，自由之光 / 001
0x10　Linux，你是我的眼 / 001
0x11　Linux基礎(chǔ)，從零開(kāi)始 / 003
01 Linux之門 / 003
02 文件操作 / 004
03 權(quán)限管理 / 006
04 軟件安裝 / 008
05 實(shí)戰(zhàn)經(jīng)驗(yàn) / 010
0x12　Sed與 Grep，文本處理 / 010
01 文本工具 / 010
02 grep的使用 / 011
03 grep家族 / 013
04 sed的使用 / 014
05 綜合案例 / 016
0x13　數(shù)據(jù)工程，** Shell / 018
01 Shell分析 / 018
02 文件探索 / 019
03 內(nèi)容探索 / 020
04 交差并補(bǔ) / 020
05 其他常用的命令 / 021
06 批量操作 / 022
07 結(jié)語(yǔ) / 025
0x14　Shell 快捷鍵，Emacs 之門 / 025
01 提高效率 / 025
02 光標(biāo)移動(dòng) / 026
03 文本編輯 / 027
04 命令搜索 / 028
05 Emacs 入門 / 029
06 Emacs 思維 / 031
0x15　緣起Linux，一入Mac 誤終身 / 032
01 開(kāi)源生萬(wàn)物 / 032
02 有錢就換Mac / 032
03 程序員需求 / 033
04 非程序員需求 / 034
05 一入Mac 誤終身 / 035
0x16　大成就者，集群安裝 / 036
01 離線安裝 / 036
02 Host 與SSH 配置 / 037
03 sudo 與JDK 環(huán)境 / 039
04 準(zhǔn)備Hadoop 包 / 040
05 開(kāi)啟HTTP 與配置源 / 041
06 安裝ambari-server / 041
07 后續(xù)服務(wù)安裝 / 042
08 結(jié)語(yǔ) / 044
0x2　Python，道法自然 / 045
0x20　Python，靈犀一指 / 045
0x21　Python 基礎(chǔ)，興趣為王 / 047
01 **語(yǔ)言 / 047
02 數(shù)據(jù)結(jié)構(gòu) / 047
03 文件讀寫 / 049
04 使用模塊 / 050
05 函數(shù)式編程 / 052
06 一道面試題 / 053
07 興趣驅(qū)動(dòng) / 055
0x22　喜新厭舊，2遷移 3 / 056
01 新舊交替 / 056
02 基礎(chǔ)變化 / 057
03 編碼問(wèn)題 / 058
04 其他變化 / 058
05 2to3腳本 / 060
06 PySpark配置 / 061
07 喜新厭舊 / 062
0x23　Anaconda，IPython / 062
01 Anaconda / 062
02 安裝與配置 / 063
03 pip與源 / 064
04 IPython與 Jupyter / 065
05 結(jié)語(yǔ) / 067
0x24　美不勝收，Python工具 / 067
01 緣起 / 067
02 調(diào)試與開(kāi)發(fā) / 068
03 排版與格式化 / 070
04 輔助工具 / 072
05 實(shí)用推薦 / 074
0x25　numpy基礎(chǔ)，線性代數(shù) / 075
01 numpy的使用 / 075
02 索引與切片 / 076
03 變形與統(tǒng)計(jì) / 078
04 矩陣運(yùn)算 / 080
05 實(shí)用方法 / 083
06 結(jié)語(yǔ) / 085
0x26　numpy實(shí)戰(zhàn)，PCA降維 / 085
01 PCA介紹 / 085
02 數(shù)據(jù)均值化 / 086
03 協(xié)方差矩陣 / 087
04 特征值與向量 / 088
05 數(shù)據(jù)映射降維 / 089
06 sklearn 實(shí)現(xiàn) / 090
0x3　大數(shù)據(jù)，其大無(wú)外 / 093
0x30　太大數(shù)據(jù)，極生兩儀 / 093
0x31　神象住世，Hadoop / 095
01 Hadoop / 095
02 HDFS / 096
03 角色與管理 / 097
04 文件操作 / 098
05 結(jié)語(yǔ) / 100
0x32　分治之美，MapReduce / 100
01 map 與reduce 函數(shù) / 100
02 分而治之 / 102
03 Hello,World / 103
04 Streaming 接口 / 105
0x33　Hive 基礎(chǔ)，蜂巢與倉(cāng)庫(kù) / 106
01 引言 / 106
02 Hive 接口 / 107
03 分區(qū)建表 / 108
04 分區(qū)機(jī)制 / 110
05 數(shù)據(jù)導(dǎo)入/ 導(dǎo)出 / 111
06 Hive-QL / 112
07 結(jié)語(yǔ) / 114
0x34　Hive 深入，實(shí)戰(zhàn)經(jīng)驗(yàn) / 115
01 排序與分布式 / 115
02 多表插入與mapjoin / 116
03 加載map-reduce 腳本 / 117
04 使用第三方UDF / 119
05 實(shí)戰(zhàn)經(jīng)驗(yàn) / 120
06 生成唯一ID / 121
0x35　HBase庫(kù)，實(shí)時(shí)業(yè)務(wù) / 122
01 理論基礎(chǔ) / 122 02 Shell操作 / 123 03 關(guān)聯(lián) Hive表 / 126 04 數(shù)據(jù)導(dǎo)入 / 128 05 實(shí)用經(jīng)驗(yàn) / 130
0x36　SQL與 NoSQL，Sqoop為媒 / 130
01 SQL與 NOSQL / 130 02 從 MySQL導(dǎo)入 HDFS / 131 03 增量導(dǎo)入 / 134 04 映射到 Hive / 135 05 導(dǎo)入 Hive表 / 136 06 從 HDFS導(dǎo)出到 MySQL / 137 07 從 Hive導(dǎo)出到 MySQL / 138
0x4　數(shù)據(jù)分析，見(jiàn)微知著 / 141
0x40　大數(shù)據(jù)分析，魯班為祖師 / 141 0x41　SQL技能，** MySQL / 143
01 SQL工具 / 143 02 基礎(chǔ)操作 / 144 03 查詢套路 / 145 04 join查詢 / 146 05 union與 exists / 149 06 實(shí)戰(zhàn)經(jīng)驗(yàn) / 151
0x42　快刀 awk，斬亂數(shù)據(jù) / 152
01 快刀 / 152 02 一二三要點(diǎn) / 152 03 一個(gè)示例 / 154 04 應(yīng)用與統(tǒng)計(jì) / 154 05 斬亂麻 / 156
0x43　Pandas，數(shù)據(jù)之框 / 157
01 數(shù)據(jù)為框 / 157
02 加載數(shù)據(jù) / 158
03 行列索引 / 159
04 行列操作 / 161
05 合并聚合 / 163
06 迭代數(shù)據(jù) / 164
07 結(jié)語(yǔ) / 165
0x44　Zeppelin，一統(tǒng)江湖 / 166
01 心潮澎湃 / 166
02 基本使用 / 168
03 SQL 與可視化 / 169
04 安裝Zeppelin / 172
05 配置Zeppelin / 173
06 數(shù)據(jù)安全 / 174
07 使用心得 / 176
0x45　數(shù)據(jù)分組，聚合窗口 / 177
01 MySQL 聚合 / 177
02 Spark 聚合 / 178
03 非聚合字段 / 179
04 Hive 實(shí)現(xiàn) / 180
05 group_concat / 181
06 Hive 窗口函數(shù) / 183
07 DataFrame 窗口 / 184
08 結(jié)語(yǔ) / 185
0x46　全棧分析，六層內(nèi)功 / 186
01 引言 / 186
02 MySQL 版本 / 186
03 awk 版本 / 187
04 Python 版本 / 188
05 Hive 版本 / 189
06 map-reduce 版本 / 190
07 Spark 版本 / 190
08 結(jié)語(yǔ) / 191
0x5　機(jī)器學(xué)習(xí)，人類失控 / 193
0x50　機(jī)器學(xué)習(xí)，瑯琊論斷 / 193 0x51　酸酸甜甜，Orange / 195
01 可視化學(xué)習(xí) / 195 02 數(shù)據(jù)探索 / 196 03 模型與評(píng)估 / 199 04 組件介紹 / 200 05 與 Python進(jìn)行整合 / 202 06 結(jié)語(yǔ) / 204
0x52　sklearn，機(jī)器學(xué)習(xí) / 205
01 sklearn介紹 / 205 02 數(shù)據(jù)預(yù)處理 / 206 03 建模與預(yù)測(cè) / 207 04 模型評(píng)估 / 209 05 模型持久化 / 210 06 三個(gè)層次 / 210
0x53　特征轉(zhuǎn)換，量綱伸縮 / 211
01 特征工程 / 211 02 獨(dú)熱編碼 / 212 03 sklearn示例 / 213 04 標(biāo)準(zhǔn)化與歸一化 / 215 05 sklearn與 Spark實(shí)現(xiàn) / 216 06 結(jié)語(yǔ) / 219
0x54　描述統(tǒng)計(jì)，基礎(chǔ)指標(biāo) / 220
01 描述性統(tǒng)計(jì) / 220 02 Pandas實(shí)現(xiàn) / 222 03 方差與協(xié)方差 / 223 04 Spark-RDD實(shí)現(xiàn) / 224 05 DataFrame實(shí)現(xiàn) / 226 06 Spark-SQL實(shí)現(xiàn) / 227 07 結(jié)語(yǔ) / 227
0x55　模型評(píng)估，交叉驗(yàn)證 / 228
01 測(cè)試與訓(xùn)練 / 228
02 評(píng)價(jià)指標(biāo) / 229
03 交叉驗(yàn)證 / 231
04 驗(yàn)證數(shù)據(jù) / 232
05 OOB 數(shù)據(jù) / 233
0x56　文本特征，詞袋模型 / 234
01 自然語(yǔ)言 / 234
02 中文分詞 / 235
03 詞袋模型 / 236
04 詞頻統(tǒng)計(jì) / 237
05 TF-IDF / 238
06 結(jié)語(yǔ) / 239
0x6　算法預(yù)測(cè)，占天卜地 / 241
0x60　命由己做，福自己求 / 241
0x61　近朱者赤，相親kNN / 243
01 樸素的思想 / 243
02 算法介紹 / 243
03 分類與回歸 / 244
04 k 與半徑 / 245
05 優(yōu)化計(jì)算 / 246
06 實(shí)例應(yīng)用 / 247
0x62　物以類聚，Kmeans / 248
01 算法描述 / 248
02 建立模型 / 249
03 理解模型 / 251
04 距離與相似性 / 252
05 降維與可視化 / 253
06 無(wú)監(jiān)督學(xué)習(xí) / 255
0x63　很傻很天真，樸素貝葉斯 / 257
01 樸素思想 / 257
02 概率公式 / 257
03 三種實(shí)現(xiàn) / 258
04 sklearn 示例 / 260
05 樸素卻不傻 / 262
0x64　菩提之樹，決策姻緣 / 263
01 緣起 / 263 02 Orange演示 / 264 03 scikit-learn模擬 / 266 04 熵與基尼指數(shù) / 267 05 決策過(guò)程分析 / 268 06 Spark模擬 / 270 07 結(jié)語(yǔ) / 271
0x65　隨機(jī)之美，隨機(jī)森林 / 271
01 樹與森林 / 271 02 處處隨機(jī) / 273 03 sklearn示例 / 274 04 MLlib示例 / 275 05 特點(diǎn)與應(yīng)用 / 276
0x66　自編碼器，深度之門 / 277
01 深度學(xué)習(xí) / 277 02 特征學(xué)習(xí) / 278 03 自動(dòng)編碼器 / 280 04 Keras代碼 / 282 05 抗噪編碼器 / 283
0x7　Spark，唯快不破 / 285
0x70　人生苦短，快用 Spark / 285 0x71　PySpark之門，強(qiáng)者聯(lián)盟 / 287
01 全？蚣 / 287 02 環(huán)境搭建 / 288 03 分布式部署 / 289 04 示例分析 / 290 05 兩類算子 / 292 06 map與 reduce / 293 07 AMPLab的野心 / 294
0x72　RDD 算子，計(jì)算之魂 / 295
01 算子之道 / 295
02 獲取數(shù)據(jù) / 296
03 過(guò)濾與排序 / 297
04 聚合數(shù)據(jù) / 298
05 join 連接 / 299
06 union 與zip / 300
07 讀寫文件 / 301
08 結(jié)語(yǔ) / 303
0x73　分布式SQL，蝶戀飛舞 / 304
01 SQL 工具 / 304
02 命令行CLI / 304
03 讀Hive 數(shù)據(jù) / 305
04 將結(jié)果寫入Hive / 306
05 讀寫MySQL 數(shù)據(jù) / 307
06 讀寫三種文件 / 308
0x74　DataFrame，三角之戀 / 310
01 DataFrame / 310
02 生成數(shù)據(jù)框 / 311
03 合并與join / 313
04 select 操作 / 314
05 SQL 操作 / 315
06 自定義UDF / 316
07 三角之戀 / 318
0x75　神器之父，Scala 入世 / 319
01 Spark 與Scala / 319
02 Scala REPL / 320
03 編譯Scala / 321
04 sbt 編譯 / 322
05 示例分析 / 323
06 編譯提交 / 325
0x76　機(jī)器之心，ML 套路 / 326
01 城市套路深 / 326
02 算法與特征工程 / 327 03 管道工作流 / 328 04 OneHotEncoder示例 / 329 05 ML回歸實(shí)戰(zhàn) / 331 06 特征處理與算法 / 332 07 擬合與評(píng)估 / 334
0x8　數(shù)據(jù)科學(xué)，全棧智慧 / 337
0x80　才高八斗，共分天下 / 337 0x81　自學(xué)數(shù)據(jù)，神蟒領(lǐng)舞 / 339
01 機(jī)器學(xué)習(xí) / 339 02 語(yǔ)言領(lǐng)域 / 339 03 Python數(shù)據(jù)生態(tài) / 340 04 相關(guān)資料 / 341 05 書籍推薦 / 342 06 性感的職業(yè) / 343
0x82　數(shù)據(jù)科學(xué)，七大技能 / 343
01 七大技能 / 343 02 SQL與 NoSQL技能 / 344 03 Linux工具集 / 344 04 Python或者 R語(yǔ)言生態(tài) / 345 05 Hadoop與 Spark生態(tài) / 345 06 概率、統(tǒng)計(jì)與線性代數(shù) / 34
展開(kāi)全部

全棧數(shù)據(jù)之門 作者簡(jiǎn)介

作者一直工作在數(shù)據(jù)處理與數(shù)據(jù)挖掘的第一線，具有豐富的理論知識(shí)和實(shí)踐經(jīng)驗(yàn)，且精通多種數(shù)據(jù)挖掘與分析的工具的使用，文筆也不錯(cuò)，相信能為讀者奉獻(xiàn)一本質(zhì)量上乘的佳作。

商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
返回頂部
中圖網(wǎng)
在線客服