新書推薦： 《
台湾农业产业发展研究
》 售價：HK$
117.6
《
流风回雪：六朝名士的庙堂与山林（论衡系列）
》 售價：HK$
81.6
《
妈妈，我想为自己而活
》 售價：HK$
69.6
《
再造大唐：郭子仪评传
》 售價：HK$
93.6
《
人性的博弈：为什么做个好人这么难
》 售價：HK$
81.6
《
不完美的自我：接纳与放手，让自己活得更有韧性
》 售價：HK$
70.8
《
阴影工作日志
》 售價：HK$
70.8
《
苏菲的世界（漫画版）：寻找自我的旅程
》 售價：HK$
94.8
內容簡介：
本书从大数据分析的原理、技术和应用的角度，围绕着大数据分析的基础知识、大数据分析平台的核心原理、大数据分析的关键技术、大数据分析的应用四个方面进行讲述，使学生能掌握大数据分析的基本原理和核心技术，同时通过大数据分析在上市公司信用风险预测研究中的应用案例使学生熟悉大数据分析的原理和技术的实际应用，并能搭建大数据分析平台分析大规模数据集。其中，大数据分析的基础知识包括：大数据产生的背景、大数据的概念、特点、价值、大数据带来的思维变革；大数据分析平台的核心原理包括：两种常用开源大数据分析平台——Hadoop和Spark的起源、发展及应用现状，理解两种平台各自的体系架构、基本运行机制及适用范围，掌握其安装部署过程及基本使用方法，为大数据分析的应用打下基础；大数据分析的关键技术包括：Hadoop分布式文件系统、MapReduce并行编程模型、Hadoop 2.0的资源管理调度框架——YARN、大数据的获取和预处理、大数据的聚类和分类算法。
關於作者：
海沫，博士。中央财经大学信息学院副教授，硕士生导师，校级精品慕课《大数据分析原理与应用》负责人，CCF高级会员。2008年7月毕业于中科院计算所，获工学博士学位。2013年获北京市青年英才计划资助。2017年9月至2018年9月在美国加州大学尔湾分校Donald Bren School of Information and Computer Science访学。主要从事对等网络、分布式算法、大数据处理、社交网络分析、区块链网络和机器学习等领域的研究，在国内外核心期刊和国际会议上发表学术论文60余篇。近年来积极探索教学改革，主持或参与教改项目5项，发表教改论文5篇，参编教材3部。
目錄
第4章 MapReduce并行编程模型834.1 MapReduce的概述834.1.1 分布式并行编程834.1.2 MapReduce的简介844.1.3 Map函数和Reduce函数864.2 MapReduce的体系结构874.2.1 MapReduce 1.0体系结构的总体框架874.2.2 Hadoop 2.0的体系结构884.2.3 MapReduce的容错性894.3 MapReduce的工作流程894.3.1 MapReduce工作流程的概述894.3.2 MapReduce的执行过程904.3.3 Shuffle过程详解934.4 MapReduce的实例分析994.4.1 WordCount994.4.2 倒排索引1024.4.3 Top-K1064.5 MapReduce的编程实践1074.5.1 任务要求1074.5.2 编写Map处理逻辑1074.5.3 编写Reduce处理逻辑1084.5.4 编写main方法1094.5.5 实验过程1094.6 MapReduce的优缺点分析1134.6.1 MapReduce的优点1134.6.2 MapReduce的缺点1134.7 本章小结1144.8 本章习题114第5章 Hadoop 2.0的资源管理调度框架——YARN1175.1 YARN的产生背景1175.1.1 MapReduce 1.0中存在的问题1175.1.2 YARN的产生1185.2 YARN的设计思路1195.3 YARN的体系结构1205.3.1 YARN的体系结构总体框架1205.3.2 YARN各组件功能的介绍1215.3.3 YARN的容错性1225.4 YARN的工作流程1235.5 YARN的优缺点分析1245.5.1 YARN的优点1245.5.2 YARN的缺点1265.6 本章小结1265.7 本章习题127第6章 大数据的获取和预处理1306.1 大数据的获取1306.1.1 爬虫的基础知识1306.1.2 Scrapy爬虫的原理与流程1396.1.3 Scrapy的爬虫实例1416.2 数据清洗1466.2.1 数据清洗的概述1466.2.2 数据清洗的原理1466.2.3 数据清洗的流程1476.2.4 Pandas数据清洗的实例1486.3 数据归约1536.3.1 维归约1546.3.2 属性选择1546.3.3 离散化方法1556.3.4 PCA的实例1556.4 数据标准化1586.4.1 数据标准化的概念1586.4.2 数据标准化的方法1586.4.3 数据标准化的实例1596.5 本章小结1616.6 习题162第7章 大数据分析算法1637.1 聚类算法1637.1.1 经典聚类算法1637.1.2 大数据聚类算法的应用1847.2 分类算法1887.2.1 经典分类算法1887.2.2 大数据分类算法的应用2157.3 本章小结2197.4 习题220第8章 大数据分析的应用案例2218.1 案例背景2218.2 数据获取和预处理2228.2.1 获取来源2228.2.2 数据说明2228.2.3 数据预处理2238.3 评价指标说明2268.4 基于Python的实现2278.4.1 基于Python的逻辑回归2278.4.2 基于Python的SVM2298.4.3 基于Python的朴素贝叶斯2318.4.4 基于Python的决策树2328.4.5 基于Python的随机森林2348.5 基于Spark的实现2368.5.1 基于Spark的逻辑回归2368.5.2 基于Spark的SVM2378.6 实验结果分析2388.7 本章小结2398.8 习题239
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
