新書推薦：
《
即将到来的能源战争
》
售價：NT$
407.0
《
时刻人文·臆造南洋：马来半岛的神鬼人兽
》
售價：NT$
296.0
《
时刻人文·信用的承诺与风险：一个被遗忘的犹太金融传说与欧洲商业社会的形成
》
售價：NT$
469.0
《
同与不同：50个中国孤独症孩子的故事
》
售價：NT$
301.0
《
开宝九年
》
售價：NT$
250.0
《
论僭政：色诺芬《希耶罗》义疏（含施特劳斯与科耶夫通信集）
》
售價：NT$
500.0
《
传播与流动：移民、手机与集装箱（新闻与传播学译丛·学术前沿系列）
》
售價：NT$
500.0
《
《证券分析》前传：格雷厄姆投资思想与证券分析方法
》
售價：NT$
612.0
|
| 內容簡介： |
◆技術為金融財務、行銷分析、商業趨勢預測帶來全新的變革
◆詳實的安裝設定與程式編寫說明降低學習入門門檻
◆可單機執行或以實機／虛擬機器建立多台演算陣列
◆具備大量實務案例分析與程式碼範例實作
大數據分析與機器學習人工智慧帶來資訊科技革命的第五波新浪潮
創新產業
大量商機
人才需求
一般人可能會認為大數據需要很多台機器的環境才能學習，但是本書透過虛擬機器的方法，就能在自家電腦演練建立Hadoop叢集，並且建立Spark開發環境。
以實機操作介紹HadoopMapReduce與HDFS基本概念，以及SparkRDD與MapReduce基本觀念。
以大數據分析實務案例：MoiveLens（電影喜好推薦引擎）、StumbleUpon（網頁二元分類）、CovType（林相土地演算）、BikeSharing（Ubike類租賃預測分析）。
配合範例程式碼來介紹各種機器學習演算法，示範如何擷取資料、訓練資料、建立模型、預測結果，由淺而深介紹Spark機器學習。
大數據對每個領域都造成影響。在商業、經濟及其他領域中，將大量資料進行分析後，就可得出許多資料關聯性。可用於預測商業趨勢、行銷研究、金融財務、疾病研究、打擊犯罪等。大數據對每一個公司的決策方式將發生變革－決策方式將基於資料和分析的結果，而不是依靠經驗和直覺。
資訊科技浪潮第一波是大型電腦，第二波是個人電腦，第三波是網路，第四波是社群媒體，第五波科技則是「大數據」。每一波的的資訊科技浪潮，總是帶來工作與生活方式的改變，創造大量商機、新的產業、大量的工作機會。像是在網路時代，創造了Google、Amazon等大公司，以及無數.com公司。
每一波浪潮開始時，需求的相關人才最多，但是此時也是相關人才供應最少。因此對個人而言，如果能在浪潮興起時就投入，往往成果最豐碩，並且有機會占有重要職位。像是網路剛興起時，每個公司都需要建立網站，但是相對這方面的人才不夠。那時候能撰寫網頁相關程式語言的工程師就能夠獲得高薪。但是後來投入的人越來越多，這方面的工程師就沒有那麼吃香了。
之前的科技浪潮，也許你沒有機會躬逢其盛，或是沒有機會在浪潮初期進入。但是大數據的浪潮方興未艾，正是進入的好時機。根據IBM調查預估，大數據目前的商機是71億美元，並將以每年增長20％速度持續成長，預計2015年達到180億美元。機會是給有準備的人，學會了大數據分析的相關技能，讓你有機會獲得更好的薪資與發展前景。根據美國調查機構RobertHalfTechnology2016年趨勢報告，在美國大數據工程師，薪水年成長8.9%，年薪大約13萬至18萬美金（約新台幣429萬元~594萬元）。因為人才短缺，企業不惜重金挖角。（你可以在google搜尋RobertHalfTechnology2016就可以下載此調查報告）
本書的主題是Haddop+Spark大數據分析與機器學習。Hadoop大家已經知道是運用最多的大數據平台，然而Spark異軍突起，與Hadoop相容而且執行速度更快，各大公司也開始加入Spark開發。例如IBM加入ApacheSpark社群打算培育百萬名資料科學家。Google與微軟也分別應用了Spark的功能來建置服務、發展大數據分析雲端與機器學習平臺。這些大公司的加入，也意味著未來更多公司會採用Hadoop+Spark進行大數據資料分析。
然而目前市面上雖然很多大數據的書，但是多半偏向理論或應用層面的介紹，網路上的資訊雖然很多，但是也很雜亂。本書介紹希望能夠用淺顯易懂原理說明，再加上實機操作、範例程式，能夠降低大數據技術的學習門檻，帶領讀者進入大數據與機器學習的領域。當然整個大數據的生態系非常龐大，需要學習的東西太多。希望讀者能透過本書有了基本概念後，比較容易踏入這門領域，能繼續深入研究其他大數據的相關技術。
|
| 關於作者： |
林大貴
作者從事IT產業多年，涉獵系統設計、網站開發、數位行銷與商業智慧等多領域，具備豐富實務開發經驗。
|
| 目錄：
|
Chapter01大數據與機器學習
1-1大數據定義
1-2Hadoop簡介
1-3HadoopHDFS分散式檔案系統
1-4HadoopMapReduce介紹
1-5Spark介紹
1-6機器學習介紹
Chapter02VirtualBox虛擬機器軟體安裝
2-1VirtualBox下載安裝
2-2設定VirtualBox儲存資料夾
2-3在VirtualBox建立虛擬機器
Chapter03UbuntuLinux作業系統安裝
3-1下載Ubuntu安裝光碟檔案
3-2在VirtualBox設定Ubuntu虛擬光碟檔案
3-3開始安裝Ubuntu
3-4啟動Ubuntu
3-5安裝GuestAdditions
3-6設定預設輸入法
3-7設定終端機程式
3-8設定終端機白底黑字
3-9設定共用剪貼簿
Chapter04HadoopSingleNodeCluster安裝
4-1安裝JDK
4-2設定SSH無密碼登入
4-3下載安裝Hadoop
4-4設定Hadoop環境變數
4-5修改Hadoop組態設定檔
4-6建立與格式化HDFS目錄
4-7啟動Hadoop
4-8開啟HadoopResourceManagerWeb介面
4-9NameNodeHDFSWeb介面
Chapter05HadoopMultiNodeCluster安裝
5-1複製SingleNodeCluster到data1
5-2設定data1伺服器
5-3複製data1伺服器至data2、data3、master
5-4設定data2、data3伺服器
5-5設定master伺服器
5-6master連線至data1、data2、data3建立HDFS目錄
5-7建立與格式化NameNodeHDFS目錄
5-8啟動HadoopMultiNodeCluster
5-9開啟HadoopResourceManagerWeb介面
5-10開啟NameNodeHDFSWeb介面
Chapter06HadoopHDFS命令介紹
6-1啟動HadoopMulti-NodeCluster
6-2建立與查看HDFS目錄
6-3從本機複製檔案到HDFS
6-4將HDFS上的檔案複製到本機
6-5複製與刪除HDFS檔案
6-6HadoopHDFSWebUI介面瀏覽HDFS
Chapter07HadoopMapReduce介紹
7-1wordCount.java介紹
7-2編輯wordCount.java
7-3編譯wordCount.java
7-4下載測試文字檔
7-5上傳文字檔至HDFS
7-6執行wordCount.java
7-7查看執行結果
7-8HadoopMapReduce的缺點
Chapter08Spark安裝介紹
8-1SPARK的cluster模式架構圖
8-2Scala介紹與安裝
8-3安裝SPARK
8-4啟動spark-shell互動介面
8-5設定spark-shell顯示訊息
8-6啟動Hadoop
8-7本機執行Spark-shell程式
8-8在HadoopYARN執行spark-shell
8-9建置Sparkstandalonecluster執行環境
8-10在Sparkstandalone執行spark-shell
Chapter09SparkRDD介紹
9-1RDD的特性
9-2基本RDD「轉換」運算
9-3多個RDD「轉換」運算
9-4基本「動作」運算
9-5RDDKey-Value基本「轉換」運算
9-6多個RDDKey-Value「轉換」運算
9-7Key-Value「動作」運算
9-8Broadcast廣播變數
9-9accumulator累加器
9-10RDDPersistence持久化
9-11使用Spark建立WordCount
9-12SparkWordCount詳細解說
Chapter10Spark整合開發環境介紹
10-1下載與安裝ScalaIDE
10-2下載專案所需要的Library
10-3啟動eclipse
10-4建立新Spark專案
10-5設定專案程式庫
10-6新增scala程式
10-7下載WordCount測試資料
10-8建立WordCount.scala
10-9編譯WordCount.scala程式
10-10執行WordCount.scala程式
10-11匯出jar檔
10-12spark-submit詳細介紹
10-13在本機local模式執行WordCount程式
10-14在hadoopyarn-client執行WordCount程式
10-15WordCount程式在SparkStandaloneCluster執行
10-16本書範例程式安裝說明
Chapter11建立推薦引擎
11-1推薦演算法介紹
11-2「推薦引擎」大數據分析使用情境
11-3ALS推薦演算法介紹
11-4ml-100k推薦資料下載與介紹
11-5使用spark-shell匯入ml-100k資料
11-6查看匯入的資料
11-7使用ALS.train進行訓練
11-8使用模型進行推薦
11-9顯示推薦的電影的名稱
11-10建立Recommend專案
11-11Recommend.scala程式碼
11-12建立PrepareData資料準備
11-13recommend推薦程式碼
11-14執行Recommend.scala
11-15建立AlsEvalution.scala調校訓練參數
11-16建立PrepareData資料準備
11-17進行訓練評估
11-18執行AlsEvaluation
11-19修改Recommend.scala為最佳參數組合
Chapter12StumbleUpon資料集介紹
12-1StumbleUpon資料集
12-2下載StumbleUpon資料
12-3以LibreOfficeCalc試算表查看train.tsv
12-4二元分類演算法
Chapter13決策樹二元分類
13-1決策樹介紹
13-2建立Classification專案
13-3建立RunDecisionTreeBinary.scala程式
13-4資料準備階段
13-5訓練評估階段
13-6預測階段
13-7執行RunDecisionTreeBinary.scala
13-8修改RunDecisionTreeBinary調校訓練參數
13-9RunDecisionTreeBinary執行參數調校程式
13-10RunDecisionTreeBinary不執行參數調校程式
Chapter14邏輯迴歸二元分類
14-1邏輯迴歸分析介紹
14-2RunLogisticRegressionWithSGDBinary.scala程式說明
14-3執行RunDecisionTreeRegression.scala進行參數調校
14-4執行RunDecisionTreeRegression.scala不進行參數調校
Chapter15支援向量機器SVM二元分類
15-1支援向量機器SVM演算法基本概念
15-2RunSVMWithSGDBinary.scala程式說明
15-3執行SVMWithSGD.scala進行參數調校
15-4執行SVMWithSGD.scala不進行參數調校
Chapter16單純貝氏二元分類
16-1單純貝氏分析原理介紹
16-2RunNaiveBayesBinary.scala程式說明
16-3執行NaiveBayes.scala進行參數調校
16-4執行NaiveBayes.scala不進行參數調校
Chapter17決策樹多元分類
17-1「森林覆蓋樹種」大數據問題分析情境
17-2UCICovertype資料集介紹
17-3下載與查看資料
17-4建立RunDecisionTreeMulti.scala
17-5修改RunDecisionTreeMulti.scala程式
17-6執行RunDecisionTreeMulti.scala進行參數調校
17-7執行RunDecisionTreeMulti.scala不進行參數調校
Chapter18決策樹迴歸分析
18-1BikeSharing大數據問題分析
18-2BikeSharing資料集
18-3下載與查看資料
18-4建立RunDecisionTreeRegression.scala
18-5修改RunDecisionTreeRegression.scala
18-6執行RunDecisionTreeRegression.scala執行參數調校
18-7執行RunDecisionTreeRegression.scala不執行參數調校
Chapter19使用ApacheZeppelin資料視覺化
19-1ApacheZeppelin介紹
19-2安裝Zeppelin前的準備
19-3ApacheZeppelin安裝
19-4啟動ApacheZeppelin
19-5建立新的Notebook
19-6使用Zeppelin執行Shell命令
19-7建立暫存資料表「UserTable」
19-8使用Zeppelin執行年齡統計SparkSQL
19-9使用Zeppelin執行性別統計SparkSQL
19-10依照職業統計
19-11SparkSQL加入文字方塊輸入參數
19-12加入選項參數
19-13Zeppelin在firefox瀏覽器使用的問題
19-14同時顯示多個統計欄位
19-15工具列設定
19-16設定段落標題
19-17設定Paragraph段落寬度
19-18設定顯示模式
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
