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

数据科学与大数据技术导论

数据科学与大数据技术导论
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: [美]
出版社: 机械工业出版社
2018-06
版次: 1
ISBN: 9787111600343
定价: 59.00
装帧: 其他
开本: 16开
纸张: 胶版纸
页数: 175页
字数: 186千字
分类: 计算机与互联网
18人买过
  • 本书概要介绍了如何使用Hadoop和Spark处理数据科学涉及的一系列主题：数据提取、数据再加工（datamunging，通常包含数据清洗和整合）、特征提取、机器学习、预测建模、异常检测和自然语言处理。整书侧重于具体的例子，并通过不同方式来提供对商业价值的洞察，全书共分三部分，第 一部分包括第1、2、3章，第二部分包括第4、5、6章，第三部分包括第7、8、9、10、11、12章，后在附录中提供了本书参考材料。 目　　录

    译者序

    序

    前言

    致谢

    关于作者

    第一部分　Hadoop中的数据科学概览

    第1章　数据科学概述2

    1.1　数据科学究竟是什么2

    1.2　示例：搜索广告3

    1.3　数据科学史一瞥4

    1.3.1　统计学与机器学习4

    1.3.2　互联网巨头的创新5

    1.3.3　现代企业中的数据科学6

    1.4　数据科学家的成长之路6

    1.4.1　数据工程师7

    1.4.2　应用科学家7

    1.4.3　过渡到数据科学家角色8

    1.4.4　数据科学家的软技能9

    1.5　数据科学团队的组建10

    1.6　数据科学项目的生命周期11

    1.6.1　问正确的问题11

    1.6.2　数据摄取12

    1.6.3　数据清洗：注重数据质量12

    1.6.4　探索数据和设计模型特征13

    1.6.5　构建和调整模型13

    1.6.6　部署到生产环境14

    1.7　数据科学项目的管理14

    1.8　小结15

    第2章　数据科学用例16

    2.1　大数据—变革的驱动力16

    2.1.1　容量：更多可用数据17

    2.1.2　多样性：更多数据类型17

    2.1.3　速度：快速数据摄取18

    2.2　商业用例18

    2.2.1　产品推荐18

    2.2.2　客户流失分析19

    2.2.3　客户细分19

    2.2.4　销售线索的优先级20

    2.2.5　情感分析20

    2.2.6　欺诈检测21

    2.2.7　预测维护22

    2.2.8　购物篮分析22

    2.2.9　预测医学诊断23

    2.2.10　预测患者再入院23

    2.2.11　检测异常访问24

    2.2.12　保险风险分析24

    2.2.13　预测油气井生产水平24

    2.3　小结25

    第3章　Hadoop与数据科学26

    3.1　Hadoop 究竟为何物26

    3.1.1　分布式文件系统27

    3.1.2　资源管理器和调度程序28

    3.1.3　分布式数据处理框架29

    3.2　Hadoop的演进历史31

    3.3　数据科学的Hadoop工具32

    3.3.1　Apache Sqoop33

    3.3.2　Apache Flume33

    3.3.3　Apache Hive34

    3.3.4　Apache Pig35

    3.3.5　Apache Spark36

    3.3.6　R37

    3.3.7　Python38

    3.3.8　Java机器学习软件包39

    3.4　Hadoop为何对数据科学家有用39

    3.4.1　成本有效的存储39

    3.4.2　读取模式40

    3.4.3　非结构化和半结构化数据40

    3.4.4　多语言工具41

    3.4.5　强大的调度和资源管理功能41

    3.4.6　分布式系统抽象分层42

    3.4.7　可扩展的模型创建42

    3.4.8　模型的可扩展应用43

    3.5　小结43

    第二部分　用Hadoop准备和可视化数据

    第4章　将数据导入Hadoop46

    4.1　Hadoop数据湖46

    4.2　Hadoop分布式文件系统47

    4.3　直接传输文件到 HDFS48

    4.4　将数据从文件导入Hive表49

    4.5　使用Spark将数据导入Hive表52

    4.5.1　使用Spark将CSV文件导入Hive52

    4.5.2　使用Spark将JSON文件导入Hive54

    4.6　使用Apache Sqoop获取关系数据55

    4.6.1　使用Sqoop导入和导出数据55

    4.6.2　Apache Sqoop版本更改56

    4.6.3　使用Sqoop版本2：基本示例57

    4.7　使用Apache Flume获取数据流63

    4.8　使用Apache Oozie管理Hadoop工作和数据流67

    4.9　Apache Falcon68

    4.10　数据摄取的下一步是什么69

    4.11　小结70

    第5章　使用 Hadoop 进行数据再加工 71

    5.1　为什么选择Hadoop做数据再加工72

    5.2　数据质量72

    5.2.1　什么是数据质量72

    5.2.2　处理数据质量问题73

    5.2.3　使用Hadoop进行数据质量控制76

    5.3　特征矩阵78

    5.3.1　选择“正确”的特征78

    5.3.2　抽样：选择实例79

    5.3.3　生成特征80

    5.3.4　文本特征81

    5.3.5　时间序列特征84

    5.3.6　来自复杂数据类型的特征84

    5.3.7　特征操作85

    5.3.8　降维86

    5.4　小结88

    第6章　探索和可视化数据89

    6.1　为什么要可视化数据89

    6.1.1　示例：可视化网络吞吐量89

    6.1.2　想象未曾发生的突破92

    6.2　创建可视化93

    6.2.1　对比图94

    6.2.2　组成图96

    6.2.3　分布图98

    6.2.4　关系图99

    6.3　针对数据科学使用可视化101

    6.4　流行的可视化工具101

    6.4.1　R101

    6.4.2　Python：Matplotlib、Seaborn和其他102

    6.4.3　SAS102

    6.4.4　Matlab103

    6.4.5　Julia103

    6.4.6　其他可视化工具103

    6.5　使用Hadoop可视化大数据103

    6.6　小结104

    第三部分　使用Hadoop进行数据建模

    第7章　Hadoop与机器学习106

    7.1　机器学习概述106

    7.2　术语107

    7.3　机器学习中的任务类型107

    7.4　大数据和机器学习108

    7.5　机器学习工具109

    7.6　机器学习和人工智能的未来110

    7.7　小结110

    第8章　预测建模111

    8.1　预测建模概述111

    8.2　分类与回归112

    8.3　评估预测模型113

    8.3.1　评估分类器114

    8.3.2　评估回归模型116

    8.3.3　交叉验证117

    8.4　有监督学习算法117

    8.5　构建大数据预测模型的解决方案118

    8.5.1　模型训练118

    8.5.2　批量预测120

    8.5.3　实时预测120

    8.6　示例：情感分析121

    8.6.1　推文数据集121

    8.6.2　数据准备122

    8.6.3　特征生成122

    8.6.4　建立一个分类器125

    8.7　小结126

    第9章　聚类127

    9.1　聚类概述127

    9.2　聚类的使用128

    9.3　设计相似性度量128

    9.3.1　距离函数129

    9.3.2　相似函数129

    9.4　聚类算法130

    9.5　示例：聚类算法131

    9.5.1　k均值聚类131

    9.5.2　LDA131

    9.6　评估聚类和选择集群数量132

    9.7　构建大数据集群解决方案133

    9.8　示例：使用LDA进行主题建模134

    9.8.1　特征生成135

    9.8.2　运行 LDA136

    9.9　小结137
  • 内容简介:
    本书概要介绍了如何使用Hadoop和Spark处理数据科学涉及的一系列主题：数据提取、数据再加工（datamunging，通常包含数据清洗和整合）、特征提取、机器学习、预测建模、异常检测和自然语言处理。整书侧重于具体的例子，并通过不同方式来提供对商业价值的洞察，全书共分三部分，第 一部分包括第1、2、3章，第二部分包括第4、5、6章，第三部分包括第7、8、9、10、11、12章，后在附录中提供了本书参考材料。
  • 目录:
    目　　录

    译者序

    序

    前言

    致谢

    关于作者

    第一部分　Hadoop中的数据科学概览

    第1章　数据科学概述2

    1.1　数据科学究竟是什么2

    1.2　示例：搜索广告3

    1.3　数据科学史一瞥4

    1.3.1　统计学与机器学习4

    1.3.2　互联网巨头的创新5

    1.3.3　现代企业中的数据科学6

    1.4　数据科学家的成长之路6

    1.4.1　数据工程师7

    1.4.2　应用科学家7

    1.4.3　过渡到数据科学家角色8

    1.4.4　数据科学家的软技能9

    1.5　数据科学团队的组建10

    1.6　数据科学项目的生命周期11

    1.6.1　问正确的问题11

    1.6.2　数据摄取12

    1.6.3　数据清洗：注重数据质量12

    1.6.4　探索数据和设计模型特征13

    1.6.5　构建和调整模型13

    1.6.6　部署到生产环境14

    1.7　数据科学项目的管理14

    1.8　小结15

    第2章　数据科学用例16

    2.1　大数据—变革的驱动力16

    2.1.1　容量：更多可用数据17

    2.1.2　多样性：更多数据类型17

    2.1.3　速度：快速数据摄取18

    2.2　商业用例18

    2.2.1　产品推荐18

    2.2.2　客户流失分析19

    2.2.3　客户细分19

    2.2.4　销售线索的优先级20

    2.2.5　情感分析20

    2.2.6　欺诈检测21

    2.2.7　预测维护22

    2.2.8　购物篮分析22

    2.2.9　预测医学诊断23

    2.2.10　预测患者再入院23

    2.2.11　检测异常访问24

    2.2.12　保险风险分析24

    2.2.13　预测油气井生产水平24

    2.3　小结25

    第3章　Hadoop与数据科学26

    3.1　Hadoop 究竟为何物26

    3.1.1　分布式文件系统27

    3.1.2　资源管理器和调度程序28

    3.1.3　分布式数据处理框架29

    3.2　Hadoop的演进历史31

    3.3　数据科学的Hadoop工具32

    3.3.1　Apache Sqoop33

    3.3.2　Apache Flume33

    3.3.3　Apache Hive34

    3.3.4　Apache Pig35

    3.3.5　Apache Spark36

    3.3.6　R37

    3.3.7　Python38

    3.3.8　Java机器学习软件包39

    3.4　Hadoop为何对数据科学家有用39

    3.4.1　成本有效的存储39

    3.4.2　读取模式40

    3.4.3　非结构化和半结构化数据40

    3.4.4　多语言工具41

    3.4.5　强大的调度和资源管理功能41

    3.4.6　分布式系统抽象分层42

    3.4.7　可扩展的模型创建42

    3.4.8　模型的可扩展应用43

    3.5　小结43

    第二部分　用Hadoop准备和可视化数据

    第4章　将数据导入Hadoop46

    4.1　Hadoop数据湖46

    4.2　Hadoop分布式文件系统47

    4.3　直接传输文件到 HDFS48

    4.4　将数据从文件导入Hive表49

    4.5　使用Spark将数据导入Hive表52

    4.5.1　使用Spark将CSV文件导入Hive52

    4.5.2　使用Spark将JSON文件导入Hive54

    4.6　使用Apache Sqoop获取关系数据55

    4.6.1　使用Sqoop导入和导出数据55

    4.6.2　Apache Sqoop版本更改56

    4.6.3　使用Sqoop版本2：基本示例57

    4.7　使用Apache Flume获取数据流63

    4.8　使用Apache Oozie管理Hadoop工作和数据流67

    4.9　Apache Falcon68

    4.10　数据摄取的下一步是什么69

    4.11　小结70

    第5章　使用 Hadoop 进行数据再加工 71

    5.1　为什么选择Hadoop做数据再加工72

    5.2　数据质量72

    5.2.1　什么是数据质量72

    5.2.2　处理数据质量问题73

    5.2.3　使用Hadoop进行数据质量控制76

    5.3　特征矩阵78

    5.3.1　选择“正确”的特征78

    5.3.2　抽样：选择实例79

    5.3.3　生成特征80

    5.3.4　文本特征81

    5.3.5　时间序列特征84

    5.3.6　来自复杂数据类型的特征84

    5.3.7　特征操作85

    5.3.8　降维86

    5.4　小结88

    第6章　探索和可视化数据89

    6.1　为什么要可视化数据89

    6.1.1　示例：可视化网络吞吐量89

    6.1.2　想象未曾发生的突破92

    6.2　创建可视化93

    6.2.1　对比图94

    6.2.2　组成图96

    6.2.3　分布图98

    6.2.4　关系图99

    6.3　针对数据科学使用可视化101

    6.4　流行的可视化工具101

    6.4.1　R101

    6.4.2　Python：Matplotlib、Seaborn和其他102

    6.4.3　SAS102

    6.4.4　Matlab103

    6.4.5　Julia103

    6.4.6　其他可视化工具103

    6.5　使用Hadoop可视化大数据103

    6.6　小结104

    第三部分　使用Hadoop进行数据建模

    第7章　Hadoop与机器学习106

    7.1　机器学习概述106

    7.2　术语107

    7.3　机器学习中的任务类型107

    7.4　大数据和机器学习108

    7.5　机器学习工具109

    7.6　机器学习和人工智能的未来110

    7.7　小结110

    第8章　预测建模111

    8.1　预测建模概述111

    8.2　分类与回归112

    8.3　评估预测模型113

    8.3.1　评估分类器114

    8.3.2　评估回归模型116

    8.3.3　交叉验证117

    8.4　有监督学习算法117

    8.5　构建大数据预测模型的解决方案118

    8.5.1　模型训练118

    8.5.2　批量预测120

    8.5.3　实时预测120

    8.6　示例：情感分析121

    8.6.1　推文数据集121

    8.6.2　数据准备122

    8.6.3　特征生成122

    8.6.4　建立一个分类器125

    8.7　小结126

    第9章　聚类127

    9.1　聚类概述127

    9.2　聚类的使用128

    9.3　设计相似性度量128

    9.3.1　距离函数129

    9.3.2　相似函数129

    9.4　聚类算法130

    9.5　示例：聚类算法131

    9.5.1　k均值聚类131

    9.5.2　LDA131

    9.6　评估聚类和选择集群数量132

    9.7　构建大数据集群解决方案133

    9.8　示例：使用LDA进行主题建模134

    9.8.1　特征生成135

    9.8.2　运行 LDA136

    9.9　小结137
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
12
相关图书 / 更多
数据科学与大数据技术导论
数据对话：建立你的数据流利度
（瑞士）马丁·埃普勒 法比耶纳 宾兹利
￥28.00 起
数据科学与大数据技术导论
数据结构高分（2025版 天勤3版） 大中专公共计算机 率辉 新华正版
率辉
￥43.50 起
数据科学与大数据技术导论
数据采集与处理：基于Python（新编21世纪数据科学与大数据技术系列教材）
付东普
￥25.36 起
数据科学与大数据技术导论
数据挖掘实用案例分析（第2版）
赵卫东、董亮
￥60.22 起
数据科学与大数据技术导论
数据权属论
包晓丽著
￥38.40 起
数据科学与大数据技术导论
数据要素市场：原理与实践
钱雪松
￥36.70 起
数据科学与大数据技术导论
数据结构与算法入门到提高（Python语言实现）
谭琨、韦韬 编著
￥37.90 起
数据科学与大数据技术导论
数据合规与网络安全风险防范
冯洋
￥43.14 起
数据科学与大数据技术导论
数据加密与PKI应用（微课版）
王秀英
￥14.40 起
数据科学与大数据技术导论
数据治理——理论、方法与实践
张彬
￥45.80 起
数据科学与大数据技术导论
数据助力美好生活：2022英语媒库文选及热词
参考消息报社
￥44.32 起
数据科学与大数据技术导论
数据资产保护的合规要点与实务
辛小天，周杨，史蕾
￥55.46 起
您可能感兴趣 / 更多
数据科学与大数据技术导论
猎物《纽约时报》畅销书作者史黛西·威林厄姆 Goodreads年度悬疑惊悚小说 LibraryReads月度值得关注图书
[美]史黛西·威林厄姆著
￥21.55 起
数据科学与大数据技术导论
纳博科夫短篇小说全集（纳博科夫精选集V）
[美]弗拉基米尔·纳博科夫著
￥75.13 起
数据科学与大数据技术导论
糖与雪：冰淇淋与我们相遇的五百年
[美]耶丽·昆齐奥（Jeri Quinzio） 著， 邹赜韬、王燕萍 译
￥25.70 起
数据科学与大数据技术导论
从一到无穷大（爱因斯坦亲笔推荐的科普入门书，清华大学校长送给新生的礼物；世界著名物理学家、宇宙大爆炸学说的先驱）
[美]乔治·伽莫夫 著；栗子文化 出品；有容书邦 发行
￥25.00 起
数据科学与大数据技术导论
海外中国研究·寻找六边形：中国农村的市场和社会结构（海外中国研究丛书精选版第四辑）
[美]施坚雅 著；徐秀丽 译；史建云
￥41.15 起
数据科学与大数据技术导论
明信片（《断背山》作者又一力作，荣获福克纳文学奖，49张明信片背后是100种离奇人生）
[美]安妮·普鲁 著；黄宜思 译
￥57.12 起
数据科学与大数据技术导论
德川时代的宗教
[美]罗伯特·N.贝拉 著
￥28.93 起
数据科学与大数据技术导论
超大规模集成电路物理设计：从图分割到时序收敛（原书第2版） [美国]安德·B.卡恩
[美]安德·B.卡恩
￥81.27 起
数据科学与大数据技术导论
小屁孩日记（平装双语版）35-36奶狗肠大作战和一日校长记 全2册
[美]杰夫·金尼（Jeff Kinney）
￥22.91 起
数据科学与大数据技术导论
哥白尼
[美]欧文·金格里奇（Owen Gingerich）
￥19.35 起
数据科学与大数据技术导论
玻璃底片上的宇宙
[美]达娃·索贝尔 后浪
￥50.00 起
数据科学与大数据技术导论
拖延心理学：从心理学的角度看拖延，跨越“想做”与“做”的鸿沟，赢回内驱力、专注力、执行力！
[美]海登·芬奇 著；张紫钰 译；斯坦威 出品
￥15.00 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