孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

全栈数据之门

全栈数据之门
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: 著
出版社: 电子工业出版社
2017-04
版次: 1
ISBN: 9787121309052
定价: 79.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 396页
正文语种: 简体中文
分类: 计算机与互联网
28人买过
  • 　　《全栈数据之门》以数据分析领域热门的Python语言为主要线索，介绍了数据分析库numpy、Pandas与机器学习库scikit-learn，使用了可视化环境Orange 3来理解算法的一些细节。对于机器学习，既有常用算法kNN与Kmeans的应用，决策树与随机森林的实战，还涉及常用特征工程与深度学习中的自动编程器。在大数据Hadoop与Hive环境的基础之上，使用Spark的ML/MLlib库集成了前面的各部分内容，让分布式机器学习更容易。大量的工具与技能实战的介绍将各部分融合成一个全栈的数据科学内容。
    　　《全栈数据之门》不是从入门到精通地介绍某一种技术，可以把本书当成一本技术文集，内容定位于数据科学的全栈基础入门，全部内容来自当前业界实用的技能，有非常基础的，也有比较深入的，有些甚至需要深入领悟才能理解。
    　　《全栈数据之门》适用于任何想在数据领域有所作为的人，包括学生、爱好者、在职人员与科研工作者。无论想从事数据分析、数据工程、数据挖掘或者机器学习，或许都能在书中找到一些之前没有接触过的内容。

    前言　自强不息，厚德载物 / XIX
    0x1　Linux，自由之光 / 001
    0x10　Linux，你是我的眼 / 001
    0x11　Linux 基础，从零开始 / 003
    01 Linux 之门 / 003
    02 文件操作 / 004
    03 权限管理 / 006
    04 软件安装 / 008
    05 实战经验 / 010
    0x12　Sed 与Grep，文本处理 / 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 综合案例 / 016
    0x13　数据工程，必备Shell / 018
    01 Shell 分析 / 018
    02 文件探索 / 019
    03 内容探索 / 020
    04 交差并补 / 020
    05 其他常用的命令 / 021
    06 批量操作 / 022
    07 结语 / 025
    0x14　Shell 快捷键，Emacs 之门 / 025
    01 提高效率 / 025
    02 光标移动 / 026
    03 文本编辑 / 027
    04 命令搜索 / 028
    05 Emacs 入门 / 029
    06 Emacs 思维 / 031
    0x15　缘起Linux，一入Mac 误终身 / 032
    01 开源生万物 / 032
    02 有钱就换Mac / 032
    03 程序员需求 / 033
    04 非程序员需求 / 034
    05 一入Mac 误终身 / 035
    0x16　大成就者，集群安装 / 036
    01 离线安装 / 036
    02 Host 与SSH 配置 / 037
    03 sudo 与JDK 环境 / 039
    04 准备Hadoop 包 / 040
    05 开启HTTP 与配置源 / 041
    06 安装ambari-server / 041
    07 后续服务安装 / 042
    08 结语 / 044
    0x2　Python，道法自然 / 045
    0x20　Python，灵犀一指 / 045
    0x21　Python 基础，兴趣为王 / 047
    01 第一语言 / 047
    02 数据结构 / 047
    03 文件读写 / 049
    04 使用模块 / 050
    05 函数式编程 / 052
    06 一道面试题 / 053
    07 兴趣驱动 / 055
    0x22　喜新厌旧，2 迁移3 / 056
    01 新旧交替 / 056
    02 基础变化 / 057
    03 编码问题 / 058
    04 其他变化 / 058
    05 2to3 脚本 / 060
    06 PySpark 配置 / 061
    07 喜新厌旧 / 062
    0x23　Anaconda，IPython / 062
    01 Anaconda / 062
    02 安装与配置 / 063
    03 pip 与源 / 064
    04 IPython 与Jupyter / 065
    05 结语 / 067
    0x24　美不胜收，Python 工具 / 067
    01 缘起 / 067
    02 调试与开发 / 068
    03 排版与格式化 / 070
    04 辅助工具 / 072
    05 实用推荐 / 074
    0x25　numpy 基础，线性代数 / 075
    01 numpy 的使用 / 075
    02 索引与切片 / 076
    03 变形与统计 / 078
    04 矩阵运算 / 080
    05 实用方法 / 083
    06 结语 / 085
    0x26　numpy 实战，PCA 降维 / 085
    01 PCA 介绍 / 085
    02 数据均值化 / 086
    03 协方差矩阵 / 087
    04 特征值与向量 / 088
    05 数据映射降维 / 089
    06 sklearn 实现 / 090
    0x3　大数据，其大无外 / 093
    0x30　太大数据，极生两仪 / 093
    0x31　神象住世，Hadoop / 095
    01 Hadoop / 095
    02 HDFS / 096
    03 角色与管理 / 097
    04 文件操作 / 098
    05 结语 / 100
    0x32　分治之美，MapReduce / 100
    01 map 与reduce 函数 / 100
    02 分而治之 / 102
    03 Hello,World / 103
    04 Streaming 接口 / 105
    0x33　Hive 基础，蜂巢与仓库 / 106
    01 引言 / 106
    02 Hive 接口 / 107
    03 分区建表 / 108
    04 分区机制 / 110
    05 数据导入/ 导出 / 111
    06 Hive-QL / 112
    07 结语 / 114
    0x34　Hive 深入，实战经验 / 115
    01 排序与分布式 / 115
    02 多表插入与mapjoin / 116
    03 加载map-reduce 脚本 / 117
    04 使用第三方UDF / 119
    05 实战经验 / 120
    06 生成唯一ID / 121
    0x35　HBase 库，实时业务 / 122
    01 理论基础 / 122
    02 Shell 操作 / 123
    03 关联Hive 表 / 126
    04 数据导入 / 128
    05 实用经验 / 130
    0x36　SQL 与NoSQL，Sqoop 为媒 / 130
    01 SQL 与NOSQL / 130
    02 从MySQL 导入HDFS / 131
    03 增量导入 / 134
    04 映射到Hive / 135
    05 导入Hive 表 / 136
    06 从HDFS 导出到MySQL / 137
    07 从Hive 导出到MySQL / 138
    0x4　数据分析，见微知著 / 141
    0x40　大数据分析，鲁班为祖师 / 141
    0x41　SQL 技能，必备MySQL / 143
    01 SQL 工具 / 143
    02 基础操作 / 144
    03 查询套路 / 145
    04 join 查询 / 146
    05 union 与exists / 149
    06 实战经验 / 151
    0x42　快刀awk，斩乱数据 / 152
    01 快刀 / 152
    02 一二三要点 / 152
    03 一个示例 / 154
    04 应用与统计 / 154
    05 斩乱麻 / 156
    0x43　Pandas，数据之框 / 157
    01 数据为框 / 157
    02 加载数据 / 158
    03 行列索引 / 159
    04 行列操作 / 161
    05 合并聚合 / 163
    06 迭代数据 / 164
    07 结语 / 165
    0x44　Zeppelin，一统江湖 / 166
    01 心潮澎湃 / 166
    02 基本使用 / 168
    03 SQL 与可视化 / 169
    04 安装Zeppelin / 172
    05 配置Zeppelin / 173
    06 数据安全 / 174
    07 使用心得 / 176
    0x45　数据分组，聚合窗口 / 177
    01 MySQL 聚合 / 177
    02 Spark 聚合 / 178
    03 非聚合字段 / 179
    04 Hive 实现 / 180
    05 group_concat / 181
    06 Hive 窗口函数 / 183
    07 DataFrame 窗口 / 184
    08 结语 / 185
    0x46　全栈分析，六层内功 / 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 结语 / 191
    0x5　机器学习，人类失控 / 193
    0x50　机器学习，琅琊论断 / 193
    0x51　酸酸甜甜，Orange / 195
    01 可视化学习 / 195
    02 数据探索 / 196
    03 模型与评估 / 199
    04 组件介绍 / 200
    05 与Python 进行整合 / 202
    06 结语 / 204
    0x52　sklearn，机器学习 / 205
    01 sklearn 介绍 / 205
    02 数据预处理 / 206
    03 建模与预测 / 207
    04 模型评估 / 209
    05 模型持久化 / 210
    06 三个层次 / 210
    0x53　特征转换，量纲伸缩 / 211
    01 特征工程 / 211
    02 独热编码 / 212
    03 sklearn 示例 / 213
    04 标准化与归一化 / 215
    05 sklearn 与Spark 实现 / 216
    06 结语 / 219
    0x54　描述统计，基础指标 / 220
    01 描述性统计 / 220
    02 Pandas 实现 / 222
    03 方差与协方差 / 223
    04 Spark-RDD 实现 / 224
    05 DataFrame 实现 / 226
    06 Spark-SQL 实现 / 227
    07 结语 / 227
    0x55　模型评估，交叉验证 / 228
    01 测试与训练 / 228
    02 评价指标 / 229
    03 交叉验证 / 231
    04 验证数据 / 232
    05 OOB 数据 / 233
    0x56　文本特征，词袋模型 / 234
    01 自然语言 / 234
    02 中文分词 / 235
    03 词袋模型 / 236
    04 词频统计 / 237
    05 TF-IDF / 238
    06 结语 / 239
    0x6　算法预测，占天卜地 / 241
    0x60　命由己做，福自己求 / 241
    0x61　近朱者赤，相亲kNN / 243
    01 朴素的思想 / 243
    02 算法介绍 / 243
    03 分类与回归 / 244
    04 k 与半径 / 245
    05 优化计算 / 246
    06 实例应用 / 247
    0x62　物以类聚，Kmeans / 248
    01 算法描述 / 248
    02 建立模型 / 249
    03 理解模型 / 251
    04 距离与相似性 / 252
    05 降维与可视化 / 253
    06 无监督学习 / 255
    0x63　很傻很天真，朴素贝叶斯 / 257
    01 朴素思想 / 257
    02 概率公式 / 257
    03 三种实现 / 258
    04 sklearn 示例 / 260
    05 朴素却不傻 / 262
    0x64　菩提之树，决策姻缘 / 263
    01 缘起 / 263
    02 Orange 演示 / 264
    03 scikit-learn 模拟 / 266
    04 熵与基尼指数 / 267
    05 决策过程分析 / 268
    06 Spark 模拟 / 270
    07 结语 / 271
    0x65　随机之美，随机森林 / 271
    01 树与森林 / 271
    02 处处随机 / 273
    03 sklearn 示例 / 274
    04 MLlib 示例 / 275
    05 特点与应用 / 276
    0x66　自编码器，深度之门 / 277
    01 深度学习 / 277
    02 特征学习 / 278
    03 自动编码器 / 280
    04 Keras 代码 / 282
    05 抗噪编码器 / 283
    0x7　Spark，唯快不破 / 285
    0x70　人生苦短，快用Spark / 285
    0x71　PySpark 之门，强者联盟 / 287
    01 全栈框架 / 287
    02 环境搭建 / 288
    03 分布式部署 / 289
    04 示例分析 / 290
    05 两类算子 / 292
    06 map 与reduce / 293
    07 AMPLab 的野心 / 294
    0x72　RDD 算子，计算之魂 / 295
    01 算子之道 / 295
    02 获取数据 / 296
    03 过滤与排序 / 297
    04 聚合数据 / 298
    05 join 连接 / 299
    06 union 与zip / 300
    07 读写文件 / 301
    08 结语 / 303
    0x73　分布式SQL，蝶恋飞舞 / 304
    01 SQL 工具 / 304
    02 命令行CLI / 304
    03 读Hive 数据 / 305
    04 将结果写入Hive / 306
    05 读写MySQL 数据 / 307
    06 读写三种文件 / 308
    0x74　DataFrame，三角之恋 / 310
    01 DataFrame / 310
    02 生成数据框 / 311
    03 合并与join / 313
    04 select 操作 / 314
    05 SQL 操作 / 315
    06 自定义UDF / 316
    07 三角之恋 / 318
    0x75　神器之父，Scala 入世 / 319
    01 Spark 与Scala / 319
    02 Scala REPL / 320
    03 编译Scala / 321
    04 sbt 编译 / 322
    05 示例分析 / 323
    06 编译提交 / 325
    0x76　机器之心，ML 套路 / 326
    01 城市套路深 / 326
    02 算法与特征工程 / 327
    03 管道工作流 / 328
    04 OneHotEncoder 示例 / 329
    05 ML 回归实战 / 331
    06 特征处理与算法 / 332
    07 拟合与评估 / 334
    0x8　数据科学，全栈智慧 / 337
    0x80　才高八斗，共分天下 / 337
    0x81　自学数据，神蟒领舞 / 339
    01 机器学习 / 339
    02 语言领域 / 339
    03 Python 数据生态 / 340
    04 相关资料 / 341
    05 书籍推荐 / 342
    06 性感的职业 / 343
    0x82　数据科学，七大技能 / 343
    01 七大技能 / 343
    02 SQL 与NoSQL 技能 / 344
    03 Linux 工具集 / 344
    04 Python 或者R 语言生态 / 345
    05 Hadoop 与Spark 生态 / 345
    06 概率、统计与线性代数 / 346
    07 机器学习与深度学习 / 346
    08 业务及杂项 / 347
    09 结语 / 347
    0x83　大无所大，生态框架 / 348
    01 计算生态 / 348
    02 离线计算 / 348
    03 交互分析 / 349
    04 实时处理 / 350
    05 算法挖掘 / 351
    06 发行版本 / 352
    07 其他工具 / 353
    0x84　集体智慧，失控哲学 / 354
    01 数据是宝 / 354
    02 一分为二 / 355
    03 回归统一 / 356
    04 聚少成多 / 356
    05 你中有我 / 357
    06 从小看大 / 358
    07 大事化小 / 358
    08 少即是多 / 359
    0x85　一技之长，一生之用 / 359
    01 一技之长 / 359
    02 数据分析相关 / 360
    03 Python 相关 / 360
    04 Hadoop 相关 / 361
    05 Spark 相关 / 361
    06 模型相关 / 362
    07 算法相关 / 362
    08 一生之用 / 363
    0x86 知识作谱，数据为栈 / 363
    01 知识作谱 / 363
    02 理论基础 / 363
    03 Python/R 编程 / 364
    04 分析与可视化 / 365
    05 大数据 / 365
    06 ETL 与特征工程 / 366
    07 机器学习与深度学习 / 366
    08 工具与库 / 367
    09 全栈为用 / 367

  • 内容简介:
    　　《全栈数据之门》以数据分析领域热门的Python语言为主要线索，介绍了数据分析库numpy、Pandas与机器学习库scikit-learn，使用了可视化环境Orange 3来理解算法的一些细节。对于机器学习，既有常用算法kNN与Kmeans的应用，决策树与随机森林的实战，还涉及常用特征工程与深度学习中的自动编程器。在大数据Hadoop与Hive环境的基础之上，使用Spark的ML/MLlib库集成了前面的各部分内容，让分布式机器学习更容易。大量的工具与技能实战的介绍将各部分融合成一个全栈的数据科学内容。
    　　《全栈数据之门》不是从入门到精通地介绍某一种技术，可以把本书当成一本技术文集，内容定位于数据科学的全栈基础入门，全部内容来自当前业界实用的技能，有非常基础的，也有比较深入的，有些甚至需要深入领悟才能理解。
    　　《全栈数据之门》适用于任何想在数据领域有所作为的人，包括学生、爱好者、在职人员与科研工作者。无论想从事数据分析、数据工程、数据挖掘或者机器学习，或许都能在书中找到一些之前没有接触过的内容。

  • 目录:
    前言　自强不息，厚德载物 / XIX
    0x1　Linux，自由之光 / 001
    0x10　Linux，你是我的眼 / 001
    0x11　Linux 基础，从零开始 / 003
    01 Linux 之门 / 003
    02 文件操作 / 004
    03 权限管理 / 006
    04 软件安装 / 008
    05 实战经验 / 010
    0x12　Sed 与Grep，文本处理 / 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 综合案例 / 016
    0x13　数据工程，必备Shell / 018
    01 Shell 分析 / 018
    02 文件探索 / 019
    03 内容探索 / 020
    04 交差并补 / 020
    05 其他常用的命令 / 021
    06 批量操作 / 022
    07 结语 / 025
    0x14　Shell 快捷键，Emacs 之门 / 025
    01 提高效率 / 025
    02 光标移动 / 026
    03 文本编辑 / 027
    04 命令搜索 / 028
    05 Emacs 入门 / 029
    06 Emacs 思维 / 031
    0x15　缘起Linux，一入Mac 误终身 / 032
    01 开源生万物 / 032
    02 有钱就换Mac / 032
    03 程序员需求 / 033
    04 非程序员需求 / 034
    05 一入Mac 误终身 / 035
    0x16　大成就者，集群安装 / 036
    01 离线安装 / 036
    02 Host 与SSH 配置 / 037
    03 sudo 与JDK 环境 / 039
    04 准备Hadoop 包 / 040
    05 开启HTTP 与配置源 / 041
    06 安装ambari-server / 041
    07 后续服务安装 / 042
    08 结语 / 044
    0x2　Python，道法自然 / 045
    0x20　Python，灵犀一指 / 045
    0x21　Python 基础，兴趣为王 / 047
    01 第一语言 / 047
    02 数据结构 / 047
    03 文件读写 / 049
    04 使用模块 / 050
    05 函数式编程 / 052
    06 一道面试题 / 053
    07 兴趣驱动 / 055
    0x22　喜新厌旧，2 迁移3 / 056
    01 新旧交替 / 056
    02 基础变化 / 057
    03 编码问题 / 058
    04 其他变化 / 058
    05 2to3 脚本 / 060
    06 PySpark 配置 / 061
    07 喜新厌旧 / 062
    0x23　Anaconda，IPython / 062
    01 Anaconda / 062
    02 安装与配置 / 063
    03 pip 与源 / 064
    04 IPython 与Jupyter / 065
    05 结语 / 067
    0x24　美不胜收，Python 工具 / 067
    01 缘起 / 067
    02 调试与开发 / 068
    03 排版与格式化 / 070
    04 辅助工具 / 072
    05 实用推荐 / 074
    0x25　numpy 基础，线性代数 / 075
    01 numpy 的使用 / 075
    02 索引与切片 / 076
    03 变形与统计 / 078
    04 矩阵运算 / 080
    05 实用方法 / 083
    06 结语 / 085
    0x26　numpy 实战，PCA 降维 / 085
    01 PCA 介绍 / 085
    02 数据均值化 / 086
    03 协方差矩阵 / 087
    04 特征值与向量 / 088
    05 数据映射降维 / 089
    06 sklearn 实现 / 090
    0x3　大数据，其大无外 / 093
    0x30　太大数据，极生两仪 / 093
    0x31　神象住世，Hadoop / 095
    01 Hadoop / 095
    02 HDFS / 096
    03 角色与管理 / 097
    04 文件操作 / 098
    05 结语 / 100
    0x32　分治之美，MapReduce / 100
    01 map 与reduce 函数 / 100
    02 分而治之 / 102
    03 Hello,World / 103
    04 Streaming 接口 / 105
    0x33　Hive 基础，蜂巢与仓库 / 106
    01 引言 / 106
    02 Hive 接口 / 107
    03 分区建表 / 108
    04 分区机制 / 110
    05 数据导入/ 导出 / 111
    06 Hive-QL / 112
    07 结语 / 114
    0x34　Hive 深入，实战经验 / 115
    01 排序与分布式 / 115
    02 多表插入与mapjoin / 116
    03 加载map-reduce 脚本 / 117
    04 使用第三方UDF / 119
    05 实战经验 / 120
    06 生成唯一ID / 121
    0x35　HBase 库，实时业务 / 122
    01 理论基础 / 122
    02 Shell 操作 / 123
    03 关联Hive 表 / 126
    04 数据导入 / 128
    05 实用经验 / 130
    0x36　SQL 与NoSQL，Sqoop 为媒 / 130
    01 SQL 与NOSQL / 130
    02 从MySQL 导入HDFS / 131
    03 增量导入 / 134
    04 映射到Hive / 135
    05 导入Hive 表 / 136
    06 从HDFS 导出到MySQL / 137
    07 从Hive 导出到MySQL / 138
    0x4　数据分析，见微知著 / 141
    0x40　大数据分析，鲁班为祖师 / 141
    0x41　SQL 技能，必备MySQL / 143
    01 SQL 工具 / 143
    02 基础操作 / 144
    03 查询套路 / 145
    04 join 查询 / 146
    05 union 与exists / 149
    06 实战经验 / 151
    0x42　快刀awk，斩乱数据 / 152
    01 快刀 / 152
    02 一二三要点 / 152
    03 一个示例 / 154
    04 应用与统计 / 154
    05 斩乱麻 / 156
    0x43　Pandas，数据之框 / 157
    01 数据为框 / 157
    02 加载数据 / 158
    03 行列索引 / 159
    04 行列操作 / 161
    05 合并聚合 / 163
    06 迭代数据 / 164
    07 结语 / 165
    0x44　Zeppelin，一统江湖 / 166
    01 心潮澎湃 / 166
    02 基本使用 / 168
    03 SQL 与可视化 / 169
    04 安装Zeppelin / 172
    05 配置Zeppelin / 173
    06 数据安全 / 174
    07 使用心得 / 176
    0x45　数据分组，聚合窗口 / 177
    01 MySQL 聚合 / 177
    02 Spark 聚合 / 178
    03 非聚合字段 / 179
    04 Hive 实现 / 180
    05 group_concat / 181
    06 Hive 窗口函数 / 183
    07 DataFrame 窗口 / 184
    08 结语 / 185
    0x46　全栈分析，六层内功 / 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 结语 / 191
    0x5　机器学习，人类失控 / 193
    0x50　机器学习，琅琊论断 / 193
    0x51　酸酸甜甜，Orange / 195
    01 可视化学习 / 195
    02 数据探索 / 196
    03 模型与评估 / 199
    04 组件介绍 / 200
    05 与Python 进行整合 / 202
    06 结语 / 204
    0x52　sklearn，机器学习 / 205
    01 sklearn 介绍 / 205
    02 数据预处理 / 206
    03 建模与预测 / 207
    04 模型评估 / 209
    05 模型持久化 / 210
    06 三个层次 / 210
    0x53　特征转换，量纲伸缩 / 211
    01 特征工程 / 211
    02 独热编码 / 212
    03 sklearn 示例 / 213
    04 标准化与归一化 / 215
    05 sklearn 与Spark 实现 / 216
    06 结语 / 219
    0x54　描述统计，基础指标 / 220
    01 描述性统计 / 220
    02 Pandas 实现 / 222
    03 方差与协方差 / 223
    04 Spark-RDD 实现 / 224
    05 DataFrame 实现 / 226
    06 Spark-SQL 实现 / 227
    07 结语 / 227
    0x55　模型评估，交叉验证 / 228
    01 测试与训练 / 228
    02 评价指标 / 229
    03 交叉验证 / 231
    04 验证数据 / 232
    05 OOB 数据 / 233
    0x56　文本特征，词袋模型 / 234
    01 自然语言 / 234
    02 中文分词 / 235
    03 词袋模型 / 236
    04 词频统计 / 237
    05 TF-IDF / 238
    06 结语 / 239
    0x6　算法预测，占天卜地 / 241
    0x60　命由己做，福自己求 / 241
    0x61　近朱者赤，相亲kNN / 243
    01 朴素的思想 / 243
    02 算法介绍 / 243
    03 分类与回归 / 244
    04 k 与半径 / 245
    05 优化计算 / 246
    06 实例应用 / 247
    0x62　物以类聚，Kmeans / 248
    01 算法描述 / 248
    02 建立模型 / 249
    03 理解模型 / 251
    04 距离与相似性 / 252
    05 降维与可视化 / 253
    06 无监督学习 / 255
    0x63　很傻很天真，朴素贝叶斯 / 257
    01 朴素思想 / 257
    02 概率公式 / 257
    03 三种实现 / 258
    04 sklearn 示例 / 260
    05 朴素却不傻 / 262
    0x64　菩提之树，决策姻缘 / 263
    01 缘起 / 263
    02 Orange 演示 / 264
    03 scikit-learn 模拟 / 266
    04 熵与基尼指数 / 267
    05 决策过程分析 / 268
    06 Spark 模拟 / 270
    07 结语 / 271
    0x65　随机之美，随机森林 / 271
    01 树与森林 / 271
    02 处处随机 / 273
    03 sklearn 示例 / 274
    04 MLlib 示例 / 275
    05 特点与应用 / 276
    0x66　自编码器，深度之门 / 277
    01 深度学习 / 277
    02 特征学习 / 278
    03 自动编码器 / 280
    04 Keras 代码 / 282
    05 抗噪编码器 / 283
    0x7　Spark，唯快不破 / 285
    0x70　人生苦短，快用Spark / 285
    0x71　PySpark 之门，强者联盟 / 287
    01 全栈框架 / 287
    02 环境搭建 / 288
    03 分布式部署 / 289
    04 示例分析 / 290
    05 两类算子 / 292
    06 map 与reduce / 293
    07 AMPLab 的野心 / 294
    0x72　RDD 算子，计算之魂 / 295
    01 算子之道 / 295
    02 获取数据 / 296
    03 过滤与排序 / 297
    04 聚合数据 / 298
    05 join 连接 / 299
    06 union 与zip / 300
    07 读写文件 / 301
    08 结语 / 303
    0x73　分布式SQL，蝶恋飞舞 / 304
    01 SQL 工具 / 304
    02 命令行CLI / 304
    03 读Hive 数据 / 305
    04 将结果写入Hive / 306
    05 读写MySQL 数据 / 307
    06 读写三种文件 / 308
    0x74　DataFrame，三角之恋 / 310
    01 DataFrame / 310
    02 生成数据框 / 311
    03 合并与join / 313
    04 select 操作 / 314
    05 SQL 操作 / 315
    06 自定义UDF / 316
    07 三角之恋 / 318
    0x75　神器之父，Scala 入世 / 319
    01 Spark 与Scala / 319
    02 Scala REPL / 320
    03 编译Scala / 321
    04 sbt 编译 / 322
    05 示例分析 / 323
    06 编译提交 / 325
    0x76　机器之心，ML 套路 / 326
    01 城市套路深 / 326
    02 算法与特征工程 / 327
    03 管道工作流 / 328
    04 OneHotEncoder 示例 / 329
    05 ML 回归实战 / 331
    06 特征处理与算法 / 332
    07 拟合与评估 / 334
    0x8　数据科学，全栈智慧 / 337
    0x80　才高八斗，共分天下 / 337
    0x81　自学数据，神蟒领舞 / 339
    01 机器学习 / 339
    02 语言领域 / 339
    03 Python 数据生态 / 340
    04 相关资料 / 341
    05 书籍推荐 / 342
    06 性感的职业 / 343
    0x82　数据科学，七大技能 / 343
    01 七大技能 / 343
    02 SQL 与NoSQL 技能 / 344
    03 Linux 工具集 / 344
    04 Python 或者R 语言生态 / 345
    05 Hadoop 与Spark 生态 / 345
    06 概率、统计与线性代数 / 346
    07 机器学习与深度学习 / 346
    08 业务及杂项 / 347
    09 结语 / 347
    0x83　大无所大，生态框架 / 348
    01 计算生态 / 348
    02 离线计算 / 348
    03 交互分析 / 349
    04 实时处理 / 350
    05 算法挖掘 / 351
    06 发行版本 / 352
    07 其他工具 / 353
    0x84　集体智慧，失控哲学 / 354
    01 数据是宝 / 354
    02 一分为二 / 355
    03 回归统一 / 356
    04 聚少成多 / 356
    05 你中有我 / 357
    06 从小看大 / 358
    07 大事化小 / 358
    08 少即是多 / 359
    0x85　一技之长，一生之用 / 359
    01 一技之长 / 359
    02 数据分析相关 / 360
    03 Python 相关 / 360
    04 Hadoop 相关 / 361
    05 Spark 相关 / 361
    06 模型相关 / 362
    07 算法相关 / 362
    08 一生之用 / 363
    0x86 知识作谱，数据为栈 / 363
    01 知识作谱 / 363
    02 理论基础 / 363
    03 Python/R 编程 / 364
    04 分析与可视化 / 365
    05 大数据 / 365
    06 ETL 与特征工程 / 366
    07 机器学习与深度学习 / 366
    08 工具与库 / 367
    09 全栈为用 / 367

查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
相关图书 / 更多
全栈数据之门
全栈Monorepo开发实战（Vue 3+Fastify+Deno+pnpm）
孙浩 于丹 编著
￥52.34 起
全栈数据之门
全栈UI自动化测试实战
胡胜强；单镜石；李睿
￥12.00 起
全栈数据之门
全栈数据工程原理与实践
徐尔 、赵鲁涛 主编
￥9.99 起
全栈数据之门
全栈软件测试自动化Selenium和Appium(Python版)(异步图书出品)
51Testing软件测试网 著
￥25.00 起
全栈数据之门
全栈软件测试实战（基础+方法+应用）（慕课版）
千锋教育高教产品研发部
￥5.10 起
全栈数据之门
全栈式微信小程序云开发实战
孙芳 梁大业 林彬
￥5.00 起
全栈数据之门
全栈测试（影印版）
[印]盖亚思里·莫汉
￥40.00 起
全栈数据之门
全栈软件测试工程师宝典
顾翔
￥45.36 起
全栈数据之门
全栈测试
[印]加亚特里 默罕（Gayathri Mohan）
￥47.52 起
全栈数据之门
全栈Serverless
[美]纳德·达比特 著；邓世超 译
￥19.80 起
全栈数据之门
全栈性能测试修炼宝典 JMeter实战（第2版）
陈志勇 刘潇 钱琪
￥8.00 起
全栈数据之门
全栈自动化测试实战——基于TestNG、HttpClient、Selenium和Appium
卢家涛
￥5.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全