加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新正版大数据分析师面试笔试宝典9787111712114机械工业出版社
¥ ×1
商品
服务
物流
章 面试经验/1
1.1 大数据分析技能要求/1
1.1.1 数据分析师/1
1.1.2 数据开发/4
1.1.3 数据挖掘/7
1.1.4 职业能力模型/10
1.2 数据分析工作流程/10
1.2.1 组织架构/10
1.2.2 分析流程/11
1.3 数据分析师临场面试/13
1.3.1 如何准备面试/13
1.3.2 面试问题/16
1.4 本章总结/18
第2章 统计学知识/19
2.1 概率知识/19
2.1.1 概率模型之间的关系解析/19
2.1.2 概率相关面试题/25
2.1.3 贝叶斯公式/28
2.2 参数估计/31
2.2.1 点估计/31
2.2.2 区间估计/34
. 设检验/41
..1 设检验原理/41
..2 两类错误/43
.. 设检验的常用方法/45
2.4 抽样技术解析/49
2.4.1 样本量影响因素分析/50
2.4.2 设检验样本量计算/52
2.4.3 参数估计样本量计算/53
2.5 马尔可夫模型/54
2.5.1 马尔可夫过程原理/55
2.5.2 马尔可夫模型计算/55
2.6 隐马尔可夫模型/57
2.6.1 HMM和三类问题/57
2.6.2 求概率问题/58
2.6.3 预测问题/59
2.6.4 学习问题/60
2.7 EM算法/62
2.7.1 基本思想/62
2.7.2 算法流程/63
2.8 本章总结/63
第3章 数据挖掘算法/65
3.1 常用聚类算法/66
3.1.1 Kmeans算法/66
3.1.2 DBSCAN算法/68
3.1.3 聚类算法评估/69
3.2 常用分类算法/74
3.2.1 决策树/74
3.2.2 朴素贝叶斯/79
3.. KNN/80
3.2.4 SVM/81
3.2.5 逻辑回归/84
3.2.6 BP神经网络/88
3.3 集成学习算法/91
3.3.1 Bagging原理/92
3.3.2 随机森林/93
3.3.3 Boosting原理/95
3.3.4 Adaboost算法/96
3.3.5 Stacking算法/99
3.3.6 分类算法评估/100
3.3.7 分类算法小结/108
3.4 关联规则算法/108
3.4.1 Apriori/108
3.4.2 Fp_Growth/111
3.4.3 算法评估/112
3.5 数据降维算法/112
3.5.1 降维技术基本理论/112
3.5.2 特征选择/113
3.5.3 主成分分析/116
3.5.4 SVD分解/118
3.5.5 降维方法选择/121
3.6 数据升维方法/121
3.6.1 分箱/121
3.6.2 交互式特征/1
3.7 算法/124
3.7.1 基于内容/124
3.7.2 基于用户的协同过滤/125
3.7.3 基于物品的协同过滤/126
3.7.4 SVD原理/127
3.7.5 算法评估/130
3.8 模型优化方法/130
3.8.1 机器学习抽样/130
3.8.2 相似度量/134
3.8.3 损失函数/136
3.8.4 过拟合与欠拟合/138
3.8.5 正则化方法/139
3.8.6 剪枝方法/141
3.8.7 模型选择/144
3.9 本章总结/145
第4章 大数据技术解析/147
4.1 数据埋点技术/148
4.1.1 技术原理/148
4.1.2 代码埋点/149
4.1.3 可视化埋点/149
4.1.4 无埋点技术/150
4.1.5 埋点需求分析/150
4.1.6 选择部署方式/151
4.2 网络爬虫技术/152
4.2.1 聚焦爬虫工作流程/153
4.2.2 数据解析流程/154
4.. 爬行策略/154
4.2.4 网页更新策略/155
4.3 数据仓库技术/156
4.3.1 数仓名词解析/156
4.3.2 数据建模方法/161
4.3.3 数仓建设原则/164
4.3.4 SL查询/166
4.3.5 SL查询优化/170
4.4 ETL技术/171
4.4.1 数据质量评估/172
4.4.2 ETL流程/173
4.4.3 缺失值处理方法/177
4.4.4 异常值识别方法/179
4.5 Hadoop技术/180
4.5.1 Hadoop核心之HDFS/181
4.5.2 Hadoop核心之MapReduce/184
4.5.3 YARN/190
4.5.4 WordCount源码/192
4.5.5 MapReduce优化/194
4.6 Spark技术/196
4.6.1 Spark集群运行/196
4.6.2 Spark程序运行/199
4.6.3 Spark RDD/202
4.6.4 Spark存储/210
4.6.5 Spark 内存管理/216
4.6.6 Spark资源分配/222
4.6.7 Spark Shuffle机制/224
4.6.8 Spark的算子调优/0
4.6.9 数据倾斜问题解析/1
4.7 本章总结/5
第5章 数据可视化/
5.1 图表类型/
5.2 绘图原则/243
5.3 ECharts速上/247
5.3.1 ECharts引入/247
5.3.2 准备DOM容器/248
5.3.3 柱状图示例/249
5.4 本章总结/249
附录/250
附录A 笔面试真题/250
周炎亮,全栈数据分析师,北京化工大学工程管理硕士。拥有10多年的数据分析经验,擅长将各种业务问题转化为可量化的数学模型。先后在咨询公司、互联网公司担任数据分析师,现在某工业互联网公司担任高级数据分析经理,致力于解决工业领域的数据分析问题。刘志全,博士,暨南大学网络空间安全学院副研究员、硕士生导师;近年来共在IEEE TITS、IEEE TDSC、IEEEIOTJ、IEEE TVT等国内外期刊/会议发表SCI/EI40余篇,申请/授权/公告发明专利/国外发明专利/PCT专利40余项。
本书是大数据分析师的参考读物,旨在帮读者了解大数据分析师的工作内容、技能要求、各类常用技术的原理和可能应用的场景。大数据分析是一个多学科交叉的领域,包含了统计学、计算机科学、运筹学乃至市场营销学等等。限于本人的水平,本书并没有全面介绍大数据分析领域涉及的所有方面,而是根据当前用人单位对大数据分析师的需求,选择了其中较为重要的内容进行了解析,将当前大数据分析涉及的热点技术一网打尽。由于大数据分析技术是一个知识密集型技术,其涉及较多学科的综合应用,因此,阅读本书需要一定的数理统计知识基础和计算机编程背景。考虑到实战,本书尽量不去明一些在理论界已经被明过的结论,尽量用浅显的语言来解释复杂的公式,以便于读者更为轻松地掌握本书的内容,从而能够从容面对面试以及日常工作。
本书特色:系统覆盖大数据分析师岗位需要掌握的统计学、数据挖掘算法、数据可 视化知识和大数据相关技术(数据埋点、网络爬虫、数据仓库、ETL、 Hadoop、Spark)。 经验分享:详细讲解大数据相关职业需要的技能、工作流程及面试方法。 附赠资源:作者100分钟核心知识点分享视频及相关知识点思维导图/技能谱系图。
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
非常抱歉,您前期未参加预订活动,无法支付尾款哦!
关闭
抱歉,您暂无任性付资格
继续等待
0小时0分
立即开通
SUPER会员