歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
輕松學(xué)大數(shù)據(jù)挖掘:算法、場(chǎng)景與數(shù)據(jù)產(chǎn)品

輕松學(xué)大數(shù)據(jù)挖掘:算法、場(chǎng)景與數(shù)據(jù)產(chǎn)品

作者:汪榕
出版社:電子工業(yè)出版社出版時(shí)間:2018-01-01
開(kāi)本: 16開(kāi) 頁(yè)數(shù): 208
中 圖 價(jià):¥28.9(4.9折) 定價(jià)  ¥59.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元,滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示:5折以下圖書(shū)主要為出版社尾貨,大部分為全新(有塑封/無(wú)塑封),個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
本類(lèi)五星書(shū)更多>

輕松學(xué)大數(shù)據(jù)挖掘:算法、場(chǎng)景與數(shù)據(jù)產(chǎn)品 版權(quán)信息

輕松學(xué)大數(shù)據(jù)挖掘:算法、場(chǎng)景與數(shù)據(jù)產(chǎn)品 內(nèi)容簡(jiǎn)介

伴隨著大數(shù)據(jù)時(shí)代的發(fā)展,數(shù)據(jù)價(jià)值的挖掘以及產(chǎn)品化逐漸被重視起來(lái)。本書(shū)作為該領(lǐng)域的入門(mén)教程,打破以往的數(shù)據(jù)工具與技術(shù)的介紹模式,憑借作者在大數(shù)據(jù)價(jià)值探索過(guò)程中的所感所悟,以故事的形式和讀者分享一個(gè)又一個(gè)的數(shù)據(jù)經(jīng)歷,引人深思、耐人尋味。全書(shū)共9章,第1~2章介紹數(shù)據(jù)情懷與數(shù)據(jù)入門(mén);第3~6章討論大數(shù)據(jù)挖掘相關(guān)的一系列學(xué)習(xí)體系;第7~9章為實(shí)踐應(yīng)用與數(shù)據(jù)產(chǎn)品的介紹。讓所有學(xué)習(xí)大數(shù)據(jù)挖掘的朋友清楚如何落地,以及在整個(gè)數(shù)據(jù)生態(tài)圈所需要扮演的角色,全面了解數(shù)據(jù)的上下游。本書(shū)可作為相關(guān)工作經(jīng)驗(yàn)在3年以?xún)?nèi)的數(shù)據(jù)挖掘工程師、轉(zhuǎn)型入門(mén)做大數(shù)據(jù)挖掘的人士或者對(duì)數(shù)據(jù)感興趣的追逐者的輕松學(xué)習(xí)教程,引導(dǎo)大家有一個(gè)正確的學(xué)習(xí)方向,也可供對(duì)數(shù)據(jù)產(chǎn)品感興趣的產(chǎn)品經(jīng)理和數(shù)據(jù)挖掘工程師閱讀參考。

輕松學(xué)大數(shù)據(jù)挖掘:算法、場(chǎng)景與數(shù)據(jù)產(chǎn)品 目錄

第1章 數(shù)據(jù)情懷篇 1 1.1 數(shù)據(jù)之禪 1 1.2 數(shù)據(jù)情懷 1 1.2.1 數(shù)據(jù)情懷這股勁 2 1.2.2 對(duì)數(shù)據(jù)情懷的理解 2 1.3 大數(shù)據(jù)時(shí)代的我們 4 1.4 成為DT時(shí)代的先驅(qū)者 6 1.4.1 數(shù)據(jù)沒(méi)有寒冬 6 1.4.2 數(shù)據(jù)生態(tài)問(wèn)題 7 1.4.3 健康的數(shù)據(jù)生態(tài) 8 1.4.4 結(jié)尾 8 第2章 數(shù)據(jù)入門(mén) 9 2.1 快速掌握SQL的基礎(chǔ)語(yǔ)法 9 2.1.1 初識(shí)SQL 9 2.1.2 學(xué)會(huì)部署環(huán)境 10 2.1.3 常用的SQL語(yǔ)法(上篇) 13 2.1.4 常用的SQL語(yǔ)法(下篇) 17 2.2 在Windows 7操作系統(tǒng)上搭建IPython Notebook 25 2.2.1 學(xué)習(xí)Python的初衷 25 2.2.2 搭建IPython Notebook 26 2.2.3 IPython.exe Notebook的使用說(shuō)明 27 2.2.4 配置IPython Notebook遠(yuǎn)程調(diào)用 27 2.3 快速掌握Python的基本語(yǔ)法 30 2.4 用Python搭建數(shù)據(jù)分析體系 38 2.4.1 構(gòu)建的初衷 38 2.4.2 構(gòu)建思路 39 2.4.3 開(kāi)發(fā)流程 39 2.5 Python學(xué)習(xí)總結(jié) 44 2.5.1 關(guān)于Python 45 2.5.2 Python其他知識(shí)點(diǎn) 45 第3章 大數(shù)據(jù)工具篇 48 3.1 Hadoop偽分布式的安裝配置 48 3.1.1 部署CentOS環(huán)境 48 3.1.2 部署Java環(huán)境 50 3.1.3 部署Hadoop偽分布式環(huán)境 51 3.2 數(shù)據(jù)挖掘中的MapReduce編程 54 3.2.1 學(xué)習(xí)MapReduce編程的目的 54 3.2.2 MapReduce的代碼規(guī)范 55 3.2.3 簡(jiǎn)單的案例 58 3.3 利用MapReduce中的矩陣相乘 60 3.3.1 矩陣的概念 60 3.3.2 不同場(chǎng)景下的矩陣相乘 61 3.4 數(shù)據(jù)挖掘中的Hive技巧 67 3.4.1 面試心得 67 3.4.2 用Python執(zhí)行HQL命令 67 3.4.3 必知的HQL知識(shí) 69 3.5 數(shù)據(jù)挖掘中的HBase技巧 75 3.5.1 知曉相關(guān)依賴(lài)包 75 3.5.2 從HBase中獲取數(shù)據(jù) 76 3.5.3 往HBase中存儲(chǔ)數(shù)據(jù) 77 第4章 大數(shù)據(jù)挖掘基礎(chǔ)篇 81 4.1 MapReduce和Spark做大數(shù)據(jù)挖掘的差異 81 4.1.1 初識(shí)Hadoop生態(tài)系統(tǒng) 81 4.1.2 知曉Spark的特點(diǎn) 83 4.1.3 編程的差異性 85 4.1.4 它們之間的靈活轉(zhuǎn)換 88 4.1.5 選擇合適的工具 89 4.2 搭建大數(shù)據(jù)挖掘開(kāi)發(fā)環(huán)境 90 4.3 動(dòng)手實(shí)現(xiàn)算法工程 99 4.3.1 知曉Spark On Yarn的運(yùn)作模式 101 4.3.2 創(chuàng)作**個(gè)數(shù)據(jù)挖掘算法 102 4.3.3 如何理解“樸素”二字 103 4.3.4 如何動(dòng)手實(shí)現(xiàn)樸素貝葉斯算法 103 第5章 大數(shù)據(jù)挖掘認(rèn)知篇 107 5.1 理論與實(shí)踐的差異 107 5.2 數(shù)據(jù)挖掘中的數(shù)據(jù)清洗 110 5.2.1 數(shù)據(jù)清洗的那些事 110 5.2.2 大數(shù)據(jù)的必殺技 111 5.2.3 實(shí)踐中的數(shù)據(jù)清洗 112 5.3 數(shù)據(jù)挖掘中的工具包 120 5.3.1 業(yè)務(wù)模型是何物 120 5.3.2 想做一個(gè)好的模型 121 第6章 大數(shù)據(jù)挖掘算法篇 123 6.1 時(shí)間衰變算法 123 6.1.1 何為時(shí)間衰變 123 6.1.2 如何理解興趣和偏好 124 6.1.3 時(shí)間衰變算法的抽象 124 6.1.4 采用Spark實(shí)現(xiàn)模型 126 6.2 熵值法 130 6.2.1 何為信息熵 130 6.2.2 熵值法的實(shí)現(xiàn)過(guò)程 130 6.2.3 業(yè)務(wù)場(chǎng)景的介紹 132 6.2.4 算法邏輯的抽象 133 6.3 預(yù)測(cè)響應(yīng)算法 136 6.3.1 業(yè)務(wù)場(chǎng)景的介紹 136 6.3.2 構(gòu)建模型的前期工作 137 6.3.3 常用的預(yù)測(cè)模型 138 6.4 層次分析算法 140 6.5 工程能力的培養(yǎng)與實(shí)踐 142 6.5.1 工程能力的重要性 142 6.5.2 利用Python實(shí)現(xiàn)層次分析法 144 第7章 用戶(hù)畫(huà)像實(shí)踐 148 7.1 用戶(hù)畫(huà)像的應(yīng)用場(chǎng)景 148 7.1.1 背景描述 148 7.1.2 需求調(diào)研 149 7.2 用戶(hù)畫(huà)像的標(biāo)簽體系 150 7.2.1 需求分析 151 7.2.2 標(biāo)簽的構(gòu)建 151 7.3 用戶(hù)畫(huà)像的模塊化思維 152 7.3.1 何為模塊化思維 152 7.3.2 用戶(hù)畫(huà)像與模塊化思維 153 7.4 用戶(hù)畫(huà)像的工程開(kāi)發(fā) 154 7.4.1 對(duì)于開(kāi)發(fā)框架的選擇 154 7.4.2 模塊化功能的設(shè)計(jì) 156 7.5 用戶(hù)畫(huà)像的智能營(yíng)銷(xiāo) 158 7.5.1 業(yè)務(wù)營(yíng)銷(xiāo) 158 7.5.2 營(yíng)銷(xiāo)構(gòu)思 159 7.5.3 技術(shù)難點(diǎn) 160 第8章 反欺詐實(shí)踐篇 162 8.1 “羊毛黨”監(jiān)控的業(yè)務(wù) 162 8.1.1 “羊毛黨”的定義與特點(diǎn) 162 8.1.2 “羊毛”存在的必然性 163 8.1.3 “羊毛黨”的進(jìn)化 164 8.1.4 “羊毛黨”存在的利與弊 165 8.1.5 “羊毛黨”監(jiān)控平臺(tái)的意義 165 8.2 “羊毛黨”監(jiān)控的設(shè)備指紋 166 8.2.1 何為設(shè)備指紋 166 8.2.2 底層參數(shù) 167 8.2.3 應(yīng)用場(chǎng)景 168 8.2.4 移動(dòng)端的數(shù)據(jù)持久化 169 8.2.5 設(shè)備指紋生成算法 169 8.3 “羊毛黨”監(jiān)控的數(shù)據(jù)驅(qū)動(dòng) 170 8.3.1 監(jiān)控的目的 170 8.3.2 數(shù)據(jù)如何“食用” 172 8.4 “羊毛黨”監(jiān)控的實(shí)踐分享 173 第9章 大數(shù)據(jù)挖掘踐行篇 178 9.1 如何從0到1轉(zhuǎn)型到大數(shù)據(jù)圈子 178 9.2 數(shù)據(jù)挖掘從業(yè)者綜合能力評(píng)估 180 9.2.1 度量的初衷 180 9.2.2 綜合能力評(píng)估 181 9.2.3 個(gè)人指標(biāo)體系(大數(shù)據(jù)挖掘) 182 9.3 給想要進(jìn)入數(shù)據(jù)挖掘圈子的新人一點(diǎn)建議 183 9.3.1 誠(chéng)信與包裝 184 9.3.2 籌備能力 185 9.3.3 投好簡(jiǎn)歷 186 9.3.4 把握面試 186 9.3.5 結(jié)尾 187 后記 數(shù)據(jù)價(jià)值探索與數(shù)據(jù)產(chǎn)品實(shí)踐 188
展開(kāi)全部
暫無(wú)評(píng)論……
書(shū)友推薦
返回頂部
中圖網(wǎng)
在線客服