返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书基于云算的据科学9787519840136
  • 正版全新
    • 作者: (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)著 | (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)编 | (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)译 | (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)绘
    • 出版社: 中国电力出版社
    • 出版时间:2020-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)著| (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)编| (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)译| (美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)绘
    • 出版社:中国电力出版社
    • 出版时间:2020-01-01
    • 版次:1
    • 印次:1
    • 字数:505000
    • 页数:409
    • 开本:16开
    • ISBN:9787519840136
    • 版权提供:中国电力出版社
    • 作者:(美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)
    • 著:(美)瓦利阿帕·拉克什曼南(Valliappa Lakshmanan)
    • 装帧:平装
    • 印次:1
    • 定价:98.00
    • ISBN:9787519840136
    • 出版社:中国电力出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-01-01
    • 页数:409
    • 外部编号:1202032807
    • 版次:1
    • 成品尺寸:暂无

    前言1
    章用数据做出更好的决策9
    许多相似的决策11
    数据的角色12
    云算让据成为可能14
    云算使据科学能力得到倍增18
    用案例研究揭示难解的20
    基于概率的决策21
    数据和工具27
    代码入门28
    本章总结30
    第2章将数据摄取到云端31
    航空公司准点数据31
    可知33
    训练–服务偏差34
    下载程序35
    数据集属36
    为什么不就地存储数据?38
    向上扩展40
    水平扩展42
    使用Colossus和Jupiter让数据存放在原位44
    摄取数据47
    对Web表单进行反向工程48
    下载数据集51
    数据探索和清理53
    将数据上传到Google云端存储55
    每月下载计划58
    使用Python摄取数据61
    FlaskWebApp68
    在AppEngine上运行69
    确保URL的安全70
    计划Cron任务70
    本章总结73
    代码实验74
    第3章创建引人注目的仪表板76
    使用数据仪表板对模型进行解释77
    为什么要先构建数据仪表板?79
    准确、忠实于数据且良好的设计80
    将数据加载到GoogleCloudSL83
    创建GoogleCloudSL实例83
    与Google云计算平台交互84
    控制对MySL的访问86
    创建表87
    向表中填充数据89
    建立个模型90
    应急表91
    阈值优化92
    机器学习93
    构建数据仪表板94
    DataStudio入门94
    创建图表96
    为用户添加控件98
    用饼图显示所占比例100
    解释应急表105
    本章总结107
    第4章流数据:发布和摄取109
    设计事件馈送109
    时间校正112
    ApacheBeam/CloudDataflw13
    解析机场数据115
    添加时区信息116
    将时间转换为UTC117
    修正日期120
    创建事件121
    在云中运行数据管道122
    将事件流发布到CloudPub/Sub126
    获取要发布的数据记录129
    对数据记录进行分页130
    构建事件集合130
    发布事件集合131
    实时流式处理132
    JavaDataflow中的流式数据133
    执行流数据处理138
    使用Bigery分析流式数据140
    实时数据仪表板141
    本章总结144
    第5章交互式数据探索145
    探索数据分析146
    将航班数据加载到Bigery中148
    无服务器列式数据库的优点148
    访问控制151
    联合查询156
    摄取CSV文件158
    CloudDatalab中的探索数据分析164
    Jupyter笔记本165
    CloudDatalab166
    在CloudDatalab中安装软件包169
    适用于Google云计算平台的Jupyter魔术命令170
    质量控制176
    反常的数值176
    清除异常数据:大数据是不同的178
    不同出发延误条件下的抵达延误182
    概率决策阈值的应用184
    经验概率分布函数185
    187
    评估模型188
    随机乱序分组188
    按日期分割189
    训练和测试191
    本章总结196
    第6章CloudDataproc上的贝叶斯分类器197
    MapReduce和Hadoop生态系统197
    MapReduce的工作原理198
    ApacheHadoop200
    GoogleCloudDataproc200
    需要更不错的工具202
    关注任务,而不是集群204
    初始化操作205
    使用SparkSL进行量化206
    CloudDataproc上的GoogleCloudDatalab208
    使用Bigery进行独立检查209
    GoogleCloudDatalab中的SparkSL21
    直方图均衡化215
    动态调整群集大小219
    使用Pig实现贝叶斯分类222
    在CloudDataproc上运行Pig任务224
    将日期限制在训练数据集中225
    决策标准226
    对贝叶斯模型进行评估229
    本章总结1
    第7章机器学习:Spark上的逻辑回归
    逻辑回归4
    Spark机器学习库
    开始使用Spark机器学习
    Spark逻辑回归
    创建训练数据集241
    处理边界情况243
    创建训练示例245
    训练246
    使用模型进行预测249
    对模型进行评估250
    特征工程253
    实验框架254
    创建保留数据集257
    特点的选择258
    特征点的缩放和剪切261
    特征转换263
    变量分类267
    可扩展、可重复和实时269
    本章总结270
    第8章时间窗化的聚合特征272
    平均时间的需求272
    Java中的Dataflow274
    建立开发环境275
    使用Beam过滤数据276
    数据管道的控制选项和文本I/O280
    在云端运行281
    解析为对象283
    计算平均时间286
    分组及合并286
    并行执行和侧面输入289
    调试291
    BigeryIO292
    对航班对象进行转换294
    批处理模式下的滑动窗口计算295
    在云端运行297
    监控、故障排除和能调整299
    数据管道的故障排除301
    侧面输入的限制302
    重新设据管道305
    删除重复项307
    本章总结310
    第9章使用TensorFlow的机器学习分类器312
    使用更复杂的模型313
    将数据读入TensorFlw37
    建立实验322
    线分类器3
    训练和评估的输入函数325
    服务输入函数326
    创建实验326
    执行训练327
    云中的分布式训练329
    对ML模型进行改进331
    深度神经网络模型332
    嵌入335
    宽深模型337
    超参数调整341
    部署模型349
    使用模型预测350
    对该模型的解释351
    本章总结353
    0章实时机器学习355
    调用预测服务356
    用于服务请求和响应的Java类357
    发送请求并解析响应359
    预测服务的客户端360
    将预测结果添加到航班信息361
    批量输入和输出361
    数据处理管道363
    识别无效的服务响应364
    批量处理服务请求365
    流式数据管道367
    扁平化PCollections368
    执行流式数据管道369
    延迟的和无序的数据记录371
    水印和触发器376
    事务,吞吐量和延迟378
    几种可选的流式接收器379
    CloudBigtable380
    设计表382
    设计行键383
    流式传输至CloudBigtable384
    查询CloudBigtable中的数据386
    评估模型的能37
    持续训练的必要38
    评估管道389
    能评估391
    边际分布391
    检查模型的行为393
    识别行为变化396
    本章总结398
    全书总结398
    附录有关机器学习数据集中数据的注意事项401

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    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

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购