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!
100%刮中券,最高99元无敌券,券有效期7天
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。
醉染图书基于云算的据科学9787519840136
¥ ×1
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
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~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
