中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
全棧數據之門 版權信息
- ISBN：9787121309052
- 條形碼：9787121309052 ; 978-7-121-30905-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
全棧數據之門 本書特色
本書以數據分析領域*熱的Python語言為主要線索，介紹了數據分析庫numpy、Pandas與機器學習庫scikit-learn，使用了可視化環境Orange 3來理解算法的一些細節。對于機器學習，既有常用算法KNN與Kmeans的應用，決策樹與*森林的實戰，還涉及常用特征工程與深度學習中的自動編程器。在大數據Hadoop與Hive環境的基礎之上，使用Spark的ML/MLlib庫集成了前面的各部分內容，讓分布式機器學習更容易。大量的工具與技能實戰的介紹將各部分融合成一個全棧的數據科學內容。
全棧數據之門 內容簡介
√ 執利器而守重鎮——Python*強大的領域在數據科學
√ 窺全貌而知路徑——整合Linux|Python|SQL|Hadoop|Hive|Spark|數據挖掘|機器學習|深度學習
√ 知原理而致應用——全棧數據既指數據技術，也指業務數據，生產環境是*終的檢驗場。
√ 立平臺而生數據——建設強大數據平臺，是支撐產品也業務的必由之路。
全棧數據之門 目錄
目錄
前言 自強不息，厚德載物 / XIX
0x1 Linux，自由之光 / 001
0x10 Linux，你是我的眼 / 001
0x11 Linux基礎，從零開始 / 003
01 Linux之門 / 003
02 文件操作 / 004
03 權限管理 / 006
04 軟件安裝 / 008
05 實戰經驗 / 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 數據工程，** Shell / 018
01 Shell分析 / 018
02 文件探索 / 019
03 內容探索 / 020
04 交差并補 / 020
05 其他常用的命令 / 021
06 批量操作 / 022
07 結語 / 025
0x14 Shell 快捷鍵，Emacs 之門 / 025
01 提高效率 / 025
02 光標移動 / 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 開源生萬物 / 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 環境 / 039
04 準備Hadoop 包 / 040
05 開啟HTTP 與配置源 / 041
06 安裝ambari-server / 041
07 后續服務安裝 / 042
08 結語 / 044
0x2 Python，道法自然 / 045
0x20 Python，靈犀一指 / 045
0x21 Python 基礎，興趣為王 / 047
01 **語言 / 047
02 數據結構 / 047
03 文件讀寫 / 049
04 使用模塊 / 050
05 函數式編程 / 052
06 一道面試題 / 053
07 興趣驅動 / 055
0x22 喜新厭舊，2遷移 3 / 056
01 新舊交替 / 056
02 基礎變化 / 057
03 編碼問題 / 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 結語 / 067
0x24 美不勝收，Python工具 / 067
01 緣起 / 067
02 調試與開發 / 068
03 排版與格式化 / 070
04 輔助工具 / 072
05 實用推薦 / 074
0x25 numpy基礎，線性代數 / 075
01 numpy的使用 / 075
02 索引與切片 / 076
03 變形與統計 / 078
04 矩陣運算 / 080
05 實用方法 / 083
06 結語 / 085
0x26 numpy實戰，PCA降維 / 085
01 PCA介紹 / 085
02 數據均值化 / 086
03 協方差矩陣 / 087
04 特征值與向量 / 088
05 數據映射降維 / 089
06 sklearn 實現 / 090
0x3 大數據，其大無外 / 093
0x30 太大數據，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 結語 / 100
0x32 分治之美，MapReduce / 100
01 map 與reduce 函數 / 100
02 分而治之 / 102
03 Hello,World / 103
04 Streaming 接口 / 105
0x33 Hive 基礎，蜂巢與倉庫 / 106
01 引言 / 106
02 Hive 接口 / 107
03 分區建表 / 108
04 分區機制 / 110
05 數據導入/ 導出 / 111
06 Hive-QL / 112
07 結語 / 114
0x34 Hive 深入，實戰經驗 / 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 實戰經驗 / 120
06 生成唯一ID / 121
0x35 HBase庫，實時業務 / 122
01 理論基礎 / 122 02 Shell操作 / 123 03 關聯 Hive表 / 126 04 數據導入 / 128 05 實用經驗 / 130
0x36 SQL與 NoSQL，Sqoop為媒 / 130
01 SQL與 NOSQL / 130 02 從 MySQL導入 HDFS / 131 03 增量導入 / 134 04 映射到 Hive / 135 05 導入 Hive表 / 136 06 從 HDFS導出到 MySQL / 137 07 從 Hive導出到 MySQL / 138
0x4 數據分析，見微知著 / 141
0x40 大數據分析，魯班為祖師 / 141 0x41 SQL技能，** MySQL / 143
01 SQL工具 / 143 02 基礎操作 / 144 03 查詢套路 / 145 04 join查詢 / 146 05 union與 exists / 149 06 實戰經驗 / 151
0x42 快刀 awk，斬亂數據 / 152
01 快刀 / 152 02 一二三要點 / 152 03 一個示例 / 154 04 應用與統計 / 154 05 斬亂麻 / 156
0x43 Pandas，數據之框 / 157
01 數據為框 / 157
02 加載數據 / 158
03 行列索引 / 159
04 行列操作 / 161
05 合并聚合 / 163
06 迭代數據 / 164
07 結語 / 165
0x44 Zeppelin，一統江湖 / 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 數據安全 / 174
07 使用心得 / 176
0x45 數據分組，聚合窗口 / 177
01 MySQL 聚合 / 177
02 Spark 聚合 / 178
03 非聚合字段 / 179
04 Hive 實現 / 180
05 group_concat / 181
06 Hive 窗口函數 / 183
07 DataFrame 窗口 / 184
08 結語 / 185
0x46 全棧分析，六層內功 / 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 結語 / 191
0x5 機器學習，人類失控 / 193
0x50 機器學習，瑯琊論斷 / 193 0x51 酸酸甜甜，Orange / 195
01 可視化學習 / 195 02 數據探索 / 196 03 模型與評估 / 199 04 組件介紹 / 200 05 與 Python進行整合 / 202 06 結語 / 204
0x52 sklearn，機器學習 / 205
01 sklearn介紹 / 205 02 數據預處理 / 206 03 建模與預測 / 207 04 模型評估 / 209 05 模型持久化 / 210 06 三個層次 / 210
0x53 特征轉換，量綱伸縮 / 211
01 特征工程 / 211 02 獨熱編碼 / 212 03 sklearn示例 / 213 04 標準化與歸一化 / 215 05 sklearn與 Spark實現 / 216 06 結語 / 219
0x54 描述統計，基礎指標 / 220
01 描述性統計 / 220 02 Pandas實現 / 222 03 方差與協方差 / 223 04 Spark-RDD實現 / 224 05 DataFrame實現 / 226 06 Spark-SQL實現 / 227 07 結語 / 227
0x55 模型評估，交叉驗證 / 228
01 測試與訓練 / 228
02 評價指標 / 229
03 交叉驗證 / 231
04 驗證數據 / 232
05 OOB 數據 / 233
0x56 文本特征，詞袋模型 / 234
01 自然語言 / 234
02 中文分詞 / 235
03 詞袋模型 / 236
04 詞頻統計 / 237
05 TF-IDF / 238
06 結語 / 239
0x6 算法預測，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 優化計算 / 246
06 實例應用 / 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 無監督學習 / 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 三種實現 / 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 / 267 05 決策過程分析 / 268 06 Spark模擬 / 270 07 結語 / 271
0x65 隨機之美，隨機森林 / 271
01 樹與森林 / 271 02 處處隨機 / 273 03 sklearn示例 / 274 04 MLlib示例 / 275 05 特點與應用 / 276
0x66 自編碼器，深度之門 / 277
01 深度學習 / 277 02 特征學習 / 278 03 自動編碼器 / 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，強者聯盟 / 287
01 全棧框架 / 287 02 環境搭建 / 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，計算之魂 / 295
01 算子之道 / 295
02 獲取數據 / 296
03 過濾與排序 / 297
04 聚合數據 / 298
05 join 連接 / 299
06 union 與zip / 300
07 讀寫文件 / 301
08 結語 / 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 數據 / 305
04 將結果寫入Hive / 306
05 讀寫MySQL 數據 / 307
06 讀寫三種文件 / 308
0x74 DataFrame，三角之戀 / 310
01 DataFrame / 310
02 生成數據框 / 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回歸實戰 / 331 06 特征處理與算法 / 332 07 擬合與評估 / 334
0x8 數據科學，全棧智慧 / 337
0x80 才高八斗，共分天下 / 337 0x81 自學數據，神蟒領舞 / 339
01 機器學習 / 339 02 語言領域 / 339 03 Python數據生態 / 340 04 相關資料 / 341 05 書籍推薦 / 342 06 性感的職業 / 343
0x82 數據科學，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語言生態 / 345 05 Hadoop與 Spark生態 / 345 06 概率、統計與線性代數 / 34
前言 自強不息，厚德載物 / XIX
0x1 Linux，自由之光 / 001
0x10 Linux，你是我的眼 / 001
0x11 Linux基礎，從零開始 / 003
01 Linux之門 / 003
02 文件操作 / 004
03 權限管理 / 006
04 軟件安裝 / 008
05 實戰經驗 / 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 數據工程，** Shell / 018
01 Shell分析 / 018
02 文件探索 / 019
03 內容探索 / 020
04 交差并補 / 020
05 其他常用的命令 / 021
06 批量操作 / 022
07 結語 / 025
0x14 Shell 快捷鍵，Emacs 之門 / 025
01 提高效率 / 025
02 光標移動 / 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 開源生萬物 / 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 環境 / 039
04 準備Hadoop 包 / 040
05 開啟HTTP 與配置源 / 041
06 安裝ambari-server / 041
07 后續服務安裝 / 042
08 結語 / 044
0x2 Python，道法自然 / 045
0x20 Python，靈犀一指 / 045
0x21 Python 基礎，興趣為王 / 047
01 **語言 / 047
02 數據結構 / 047
03 文件讀寫 / 049
04 使用模塊 / 050
05 函數式編程 / 052
06 一道面試題 / 053
07 興趣驅動 / 055
0x22 喜新厭舊，2遷移 3 / 056
01 新舊交替 / 056
02 基礎變化 / 057
03 編碼問題 / 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 結語 / 067
0x24 美不勝收，Python工具 / 067
01 緣起 / 067
02 調試與開發 / 068
03 排版與格式化 / 070
04 輔助工具 / 072
05 實用推薦 / 074
0x25 numpy基礎，線性代數 / 075
01 numpy的使用 / 075
02 索引與切片 / 076
03 變形與統計 / 078
04 矩陣運算 / 080
05 實用方法 / 083
06 結語 / 085
0x26 numpy實戰，PCA降維 / 085
01 PCA介紹 / 085
02 數據均值化 / 086
03 協方差矩陣 / 087
04 特征值與向量 / 088
05 數據映射降維 / 089
06 sklearn 實現 / 090
0x3 大數據，其大無外 / 093
0x30 太大數據，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 結語 / 100
0x32 分治之美，MapReduce / 100
01 map 與reduce 函數 / 100
02 分而治之 / 102
03 Hello,World / 103
04 Streaming 接口 / 105
0x33 Hive 基礎，蜂巢與倉庫 / 106
01 引言 / 106
02 Hive 接口 / 107
03 分區建表 / 108
04 分區機制 / 110
05 數據導入/ 導出 / 111
06 Hive-QL / 112
07 結語 / 114
0x34 Hive 深入，實戰經驗 / 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 實戰經驗 / 120
06 生成唯一ID / 121
0x35 HBase庫，實時業務 / 122
01 理論基礎 / 122 02 Shell操作 / 123 03 關聯 Hive表 / 126 04 數據導入 / 128 05 實用經驗 / 130
0x36 SQL與 NoSQL，Sqoop為媒 / 130
01 SQL與 NOSQL / 130 02 從 MySQL導入 HDFS / 131 03 增量導入 / 134 04 映射到 Hive / 135 05 導入 Hive表 / 136 06 從 HDFS導出到 MySQL / 137 07 從 Hive導出到 MySQL / 138
0x4 數據分析，見微知著 / 141
0x40 大數據分析，魯班為祖師 / 141 0x41 SQL技能，** MySQL / 143
01 SQL工具 / 143 02 基礎操作 / 144 03 查詢套路 / 145 04 join查詢 / 146 05 union與 exists / 149 06 實戰經驗 / 151
0x42 快刀 awk，斬亂數據 / 152
01 快刀 / 152 02 一二三要點 / 152 03 一個示例 / 154 04 應用與統計 / 154 05 斬亂麻 / 156
0x43 Pandas，數據之框 / 157
01 數據為框 / 157
02 加載數據 / 158
03 行列索引 / 159
04 行列操作 / 161
05 合并聚合 / 163
06 迭代數據 / 164
07 結語 / 165
0x44 Zeppelin，一統江湖 / 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 數據安全 / 174
07 使用心得 / 176
0x45 數據分組，聚合窗口 / 177
01 MySQL 聚合 / 177
02 Spark 聚合 / 178
03 非聚合字段 / 179
04 Hive 實現 / 180
05 group_concat / 181
06 Hive 窗口函數 / 183
07 DataFrame 窗口 / 184
08 結語 / 185
0x46 全棧分析，六層內功 / 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 結語 / 191
0x5 機器學習，人類失控 / 193
0x50 機器學習，瑯琊論斷 / 193 0x51 酸酸甜甜，Orange / 195
01 可視化學習 / 195 02 數據探索 / 196 03 模型與評估 / 199 04 組件介紹 / 200 05 與 Python進行整合 / 202 06 結語 / 204
0x52 sklearn，機器學習 / 205
01 sklearn介紹 / 205 02 數據預處理 / 206 03 建模與預測 / 207 04 模型評估 / 209 05 模型持久化 / 210 06 三個層次 / 210
0x53 特征轉換，量綱伸縮 / 211
01 特征工程 / 211 02 獨熱編碼 / 212 03 sklearn示例 / 213 04 標準化與歸一化 / 215 05 sklearn與 Spark實現 / 216 06 結語 / 219
0x54 描述統計，基礎指標 / 220
01 描述性統計 / 220 02 Pandas實現 / 222 03 方差與協方差 / 223 04 Spark-RDD實現 / 224 05 DataFrame實現 / 226 06 Spark-SQL實現 / 227 07 結語 / 227
0x55 模型評估，交叉驗證 / 228
01 測試與訓練 / 228
02 評價指標 / 229
03 交叉驗證 / 231
04 驗證數據 / 232
05 OOB 數據 / 233
0x56 文本特征，詞袋模型 / 234
01 自然語言 / 234
02 中文分詞 / 235
03 詞袋模型 / 236
04 詞頻統計 / 237
05 TF-IDF / 238
06 結語 / 239
0x6 算法預測，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 優化計算 / 246
06 實例應用 / 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 無監督學習 / 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 三種實現 / 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 / 267 05 決策過程分析 / 268 06 Spark模擬 / 270 07 結語 / 271
0x65 隨機之美，隨機森林 / 271
01 樹與森林 / 271 02 處處隨機 / 273 03 sklearn示例 / 274 04 MLlib示例 / 275 05 特點與應用 / 276
0x66 自編碼器，深度之門 / 277
01 深度學習 / 277 02 特征學習 / 278 03 自動編碼器 / 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，強者聯盟 / 287
01 全棧框架 / 287 02 環境搭建 / 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，計算之魂 / 295
01 算子之道 / 295
02 獲取數據 / 296
03 過濾與排序 / 297
04 聚合數據 / 298
05 join 連接 / 299
06 union 與zip / 300
07 讀寫文件 / 301
08 結語 / 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 數據 / 305
04 將結果寫入Hive / 306
05 讀寫MySQL 數據 / 307
06 讀寫三種文件 / 308
0x74 DataFrame，三角之戀 / 310
01 DataFrame / 310
02 生成數據框 / 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回歸實戰 / 331 06 特征處理與算法 / 332 07 擬合與評估 / 334
0x8 數據科學，全棧智慧 / 337
0x80 才高八斗，共分天下 / 337 0x81 自學數據，神蟒領舞 / 339
01 機器學習 / 339 02 語言領域 / 339 03 Python數據生態 / 340 04 相關資料 / 341 05 書籍推薦 / 342 06 性感的職業 / 343
0x82 數據科學，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語言生態 / 345 05 Hadoop與 Spark生態 / 345 06 概率、統計與線性代數 / 34
展開全部
全棧數據之門 作者簡介
作者一直工作在數據處理與數據挖掘的第一線，具有豐富的理論知識和實踐經驗，且精通多種數據挖掘與分析的工具的使用，文筆也不錯，相信能為讀者奉獻一本質量上乘的佳作。
書友推薦
- >
回憶愛瑪儂
- >
羅庸西南聯大授課錄
- >
名家帶你讀魯迅:故事新編
- >
【精裝繪本】畫給孩子的中國神話
- >
月亮虎
- >
中國歷史的瞬間
- >
詩經-先民的歌唱
- >
月亮與六便士
本類暢銷
