轻松学大数据挖掘:算法、场景与数据产品
  • 推荐0
  • 收藏1
  • 浏览1.2K

轻松学大数据挖掘:算法、场景与数据产品

王勇 (作者) 

  • 书  号:978-7-121-32926-5
  • 出版日期:2017-12-18
  • 页  数:208
  • 开  本:16(170*240)
  • 出版状态:上市销售
电子书 ¥39.00
购买电子书
纸质版 ¥59.00
伴随着大数据时代的发展,数据价值的挖掘以及产品化逐渐被重视起来。本书作为该领域的入门教程,打破以往的数据工具与技术的介绍模式,凭借作者在大数据价值探索过程中的所感所悟,以故事的形式和读者分享一个又一个的数据经历,引人深思、耐人寻味。全书共9章,第1~2章介绍数据情怀与数据入门;第3~6章讨论大数据挖掘相关的一系列学习体系;第7~9章为实践应用与数据产品的介绍。让所有学习大数据挖掘的朋友清楚如何落地,以及在整个数据生态圈所需要扮演的角色,全面了解数据的上下游。
本书可作为相关工作经验在3年以内的数据挖掘工程师、转型入门做大数据挖掘的人士或者对数据感兴趣的追逐者的轻松学习教程,引导大家有一个正确的学习方向,也可供对数据产品感兴趣的产品经理和数据挖掘工程师阅读参考。
不依赖工具包,结合场景个性化构建业务模型。
初学者的入门枕边书,传统挖掘者的进阶之路。
前 言


这是一本关于大数据挖掘与数据产品的参考读物,为了使尽可能多的读者通过本书对大数据应用有所了解,笔者以个人所感所悟引导初学者正确学习大数据挖掘。但是基础知识归纳、开发环境部署、算法原理的介绍都是不可避免的。因此,本书更适合于工作经验在3年以内的数据挖掘工程师,以及转型入门做数据挖掘的人士,或者是对数据产品感兴趣的追逐者阅读。
全书共9章,第1~2章介绍数据情怀与数据入门;第3~6章讨论大数据挖掘相关的一系列学习体系;第7~9章为实践应用与数据产品的介绍。
本书在内容上尽可能以故事的形式,轻松愉快地介绍大数据、数据挖掘与数据产品实践应用的各方面内容。但作为学习方向性的引导读物且考虑到本书主题,很多常见的算法、技术知识点未能覆盖,毕竟相关的内容在网上已经有很多了,但大多数内容只是“术”,而缺乏“神”。所以本书才另寻思路,以笔者的真实经历告诉读者在学习过程中可能会遇到的“坑”,以及该如何正确学习。因此,建议有兴趣的读者进一步钻研探索,结合更多的学习资料实践应用。
笔者认为,大数据时代的发展,已经逐渐从基础性的建设、数据的积累,慢慢转变成对于数据价值的探索以及业务痛点的落地解决。因此,建议更多的数据挖掘学习者要结合业务场景思考,多了解数据生态圈的上下游,认清数据产品价值的重要性,以及知晓自身在整个数据流程中所扮演的角色的重要性。阅读这些内容的意义远远超过对数据分析工具、算法模型的熟练度的意义。
大数据、人工智能发展极为迅速,但是数据价值的输出仍然存在瓶颈,极大的原因是由于广大追逐者在对数据探索时走向了误区,把更多心思放在了“玩转数据”,而不是真正地解决业务痛点。所以,希望阅读本书的每一位读者都能够从笔者的过往经历和所感所悟中感受到数据之禅。参与本书编写的人员还有王勇老师,在此表示感谢。
笔者自认自己还有许多需要学习的地方,同时时间和精力有限,书中不足之处在所难免,望广大读者批评指正,不胜感激。

目录

目 录


第1章 数据情怀篇 1
1.1 数据之禅 1
1.2 数据情怀 1
1.2.1 数据情怀这股劲 2
1.2.2 对数据情怀的理解 2
1.3 大数据时代的我们 4
1.4 成为DT时代的先驱者 6
1.4.1 数据没有寒冬 6
1.4.2 数据生态问题 7
1.4.3 健康的数据生态 8
1.4.4 结尾 8
第2章 数据入门 9
2.1 快速掌握SQL的基础语法 9
2.1.1 初识SQL 9
2.1.2 学会部署环境 10
2.1.3 常用的SQL语法(上篇) 13
2.1.4 常用的SQL语法(下篇) 17
2.2 在Windows 7操作系统上搭建IPython Notebook 25
2.2.1 学习Python的初衷 25
2.2.2 搭建IPython Notebook 26
2.2.3 IPython.exe Notebook的使用说明 27
2.2.4 配置IPython Notebook远程调用 27
2.3 快速掌握Python的基本语法 30
2.4 用Python搭建数据分析体系 38
2.4.1 构建的初衷 38
2.4.2 构建思路 39
2.4.3 开发流程 39
2.5 Python学习总结 44
2.5.1 关于Python 45
2.5.2 Python其他知识点 45
第3章 大数据工具篇 48
3.1 Hadoop伪分布式的安装配置 48
3.1.1 部署CentOS环境 48
3.1.2 部署Java环境 50
3.1.3 部署Hadoop伪分布式环境 51
3.2 数据挖掘中的MapReduce编程 54
3.2.1 学习MapReduce编程的目的 54
3.2.2 MapReduce的代码规范 55
3.2.3 简单的案例 58
3.3 利用MapReduce中的矩阵相乘 60
3.3.1 矩阵的概念 60
3.3.2 不同场景下的矩阵相乘 61
3.4 数据挖掘中的Hive技巧 67
3.4.1 面试心得 67
3.4.2 用Python执行HQL命令 67
3.4.3 必知的HQL知识 69
3.5 数据挖掘中的HBase技巧 75
3.5.1 知晓相关依赖包 75
3.5.2 从HBase中获取数据 76
3.5.3 往HBase中存储数据 77
第4章 大数据挖掘基础篇 81
4.1 MapReduce和Spark做大数据挖掘的差异 81
4.1.1 初识Hadoop生态系统 81
4.1.2 知晓Spark的特点 83
4.1.3 编程的差异性 85
4.1.4 它们之间的灵活转换 88
4.1.5 选择合适的工具 89
4.2 搭建大数据挖掘开发环境 90
4.3 动手实现算法工程 99
4.3.1 知晓Spark On Yarn的运作模式 101
4.3.2 创作第一个数据挖掘算法 102
4.3.3 如何理解“朴素”二字 103
4.3.4 如何动手实现朴素贝叶斯算法 103
第5章 大数据挖掘认知篇 107
5.1 理论与实践的差异 107
5.2 数据挖掘中的数据清洗 110
5.2.1 数据清洗的那些事 110
5.2.2 大数据的必杀技 111
5.2.3 实践中的数据清洗 112
5.3 数据挖掘中的工具包 120
5.3.1 业务模型是何物 120
5.3.2 想做一个好的模型 121
第6章 大数据挖掘算法篇 123
6.1 时间衰变算法 123
6.1.1 何为时间衰变 123
6.1.2 如何理解兴趣和偏好 124
6.1.3 时间衰变算法的抽象 124
6.1.4 采用Spark实现模型 126
6.2 熵值法 130
6.2.1 何为信息熵 130
6.2.2 熵值法的实现过程 130
6.2.3 业务场景的介绍 132
6.2.4 算法逻辑的抽象 133
6.3 预测响应算法 136
6.3.1 业务场景的介绍 136
6.3.2 构建模型的前期工作 137
6.3.3 常用的预测模型 138
6.4 层次分析算法 140
6.5 工程能力的培养与实践 142
6.5.1 工程能力的重要性 142
6.5.2 利用Python实现层次分析法 144
第7章 用户画像实践 148
7.1 用户画像的应用场景 148
7.1.1 背景描述 148
7.1.2 需求调研 149
7.2 用户画像的标签体系 150
7.2.1 需求分析 151
7.2.2 标签的构建 151
7.3 用户画像的模块化思维 152
7.3.1 何为模块化思维 152
7.3.2 用户画像与模块化思维 153
7.4 用户画像的工程开发 154
7.4.1 对于开发框架的选择 154
7.4.2 模块化功能的设计 156
7.5 用户画像的智能营销 158
7.5.1 业务营销 158
7.5.2 营销构思 159
7.5.3 技术难点 160
第8章 反欺诈实践篇 162
8.1 “羊毛党”监控的业务 162
8.1.1 “羊毛党”的定义与特点 162
8.1.2 “羊毛”存在的必然性 163
8.1.3 “羊毛党”的进化 164
8.1.4 “羊毛党”存在的利与弊 165
8.1.5 “羊毛党”监控平台的意义 165
8.2 “羊毛党”监控的设备指纹 166
8.2.1 何为设备指纹 166
8.2.2 底层参数 167
8.2.3 应用场景 168
8.2.4 移动端的数据持久化 169
8.2.5 设备指纹生成算法 169
8.3 “羊毛党”监控的数据驱动 170
8.3.1 监控的目的 170
8.3.2 数据如何“食用” 172
8.4 “羊毛党”监控的实践分享 173
第9章 大数据挖掘践行篇 178
9.1 如何从0到1转型到大数据圈子 178
9.2 数据挖掘从业者综合能力评估 180
9.2.1 度量的初衷 180
9.2.2 综合能力评估 181
9.2.3 个人指标体系(大数据挖掘) 182
9.3 给想要进入数据挖掘圈子的新人一点建议 183
9.3.1 诚信与包装 184
9.3.2 筹备能力 185
9.3.3 投好简历 186
9.3.4 把握面试 186
9.3.5 结尾 187
后记 数据价值探索与数据产品实践 188

读者评论

电子书版本

  • Epub

相关图书

Python统计可视化之Altair探索分析实践指南

刘大成 (作者)

本书以Altair为核心工具,通过认识数据、理解数据和探索数据全方位地探索分析数据集的统计可视化形式,以应用数据和案例研究为实践场景,使用Altair数据加工箱...

 

实用推荐系统

Kim Falk (作者) 李源 朱罡罡 温睿 (译者)

要构建一个实用的“智能”推荐系统,不仅需要有好的算法,还需要了解接收推荐的用户。本书分为两部分,第一部分侧重于基础架构,主要介绍推荐系统的工作原理,展示如何创建...

¥119.00

Kubernetes权威指南:从Docker到Kubernetes实践全接触(第5版)

龚正 吴治辉 闫健勇 (作者)

Kubernetes是由谷歌开源的容器集群管理系统,为容器化应用提供了资源调度、部署运行、服务发现、扩缩容等一整套功能。Kubernetes也是将“一切以服务(...

 

Harbor权威指南

张海宁 邹佳 王岩 尹文开 任茂盛 等 (作者)

在云原生生态中,容器镜像和其他云原生制品的管理与分发是至关重要的一环。本书对开源云原生制品仓库Harbor展开全面讲解,由Harbor开源项目维护者和贡献者倾力...

 

集成学习:基础与算法

Zhi-Hua Zhou (作者) 李楠 (译者)

集成学习方法是一类先进的机器学习方法,这类方法训练多个学习器并将它们结合起来解决一个问题,在实践中获得了巨大成功。<br>全书分为三部分。第一部分主要介绍集成学...

¥89.00

Kubernetes源码剖析

郑东旭 (作者)

本书主要分析了Kubernetes核心功能的实现原理,是一本帮助读者了解Kubernetes架构设计及内部原理实现的书。由于Kubernetes代码量较大,源码...