数据科学与大数据 - 第2页

《对比Excel，轻松学习SQL数据分析》是《对比Excel，轻松学习Python 数据分析》的姊妹篇，同样采用对比的方法，降低学习门槛，提高学习效率。全书分为3 篇：第1 篇主要介绍数据分析的基础知识，包括数据分析的基本概念、为什么要进行数据分析及常规的数据分析流程，使读者对数据分析有一个整体的认识；第2 篇主要围绕数据分析的整个流程来介绍与SQL 语法相关的知识，包括如何选取一列数据、如何对数

本书共 13 章，汇集了 7 位作者（来自多个大型互联网企业）的知识总结和经验分享。以 Why-What-How 的思路展开，从 0 到 1 介绍知识点，并重点讲述 How 的过程，同时结合某个场景下的具体案例，以使读者更好地理解实操过程。 每个企业都会面临各种各样的数据问题，有数据质量的问题、数据获取效率的问题、数据应用价值的问题等。本书首先介绍数据中台的建设，确保数据的质量，为企业的数据质量体

《Python数据挖掘入门与实践》作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。

如果你是一名IT工程师，CTO希望你在一周内提交一份公司未来IT系统基础架构的初步建议；如果你是一位IT营销人员，客户需要你在一周内向他汇报未来大数据系统的大致技术方向；……在这个信息严重过剩的时代，一周内从浩渺的技术细节的海洋中抓住关键的技术脉络，并进一步提出有一定理论依据的技术思考，这几乎是不可能完成的任务。您是否想过阅读一本关于大数据的图书帮助解决如上问题？浩如烟海的大数据领域图书可以大致归

近年来，以Apache Spark为代表的大数据处理框架在学术界和工业界得到了广泛的使用。《大数据处理框架Apache Spark设计与实现》以Apache Spark框架为核心，总结了大数据处理框架的基础知识、核心理论、典型的Spark应用，以及相关的性能和可靠性问题。本书分9章，主要包含四部分内容。第一部分 大数据处理框架的基础知识（第1～2章）：介绍大数据处理框架的基本概念、系统架构、编程模

本书侧重于 Tableau 软件的“企业应用”，以一个企业内 CoE 的日常工作为主线，通过对话的形式介绍了推广自助分析文化的过程。本书不仅详细描述了系统建设过程中的图表应用、仪表板设计、系统性能管理及系统架构等方面的内容，还深入阐述了数据分析文化的推广方法和一些最佳实践，包括 CoE 在赋能、管控方面的职责定义和工作方法，企业提升全员数据素养的实践方法，以及如何通过 Tableau Day 等活

本书注重人文精神，多角度、全方位、深入介绍数据科学的实用指南，堪称大数据时代的实战宝典。《数据科学实战》旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

本书基于Tabelau新版本10.5编写，全面介绍了Tableau的核心功能，包括数据连接与编辑、图形展示与编辑功能，如何与R等工具进行集成，如何在服务器上进行发布管理等内容，而且广泛覆盖数据获取与管理、基础与高级图形分析、地图分析、交互分析与数据挖掘、图表集成整合与分享发布等主要内容，方便大家快速掌握敏捷分析方法与技术。本书适用于互联网、银行证券、咨询审计、快消品、能源等行业数据分析用户以及媒体

LLM reasoning models have the power to tackle truly challenging problems that require finding the right path through multiple steps. In Build A Reasoning Model (From Scratch) you’ll learn how to build

通过提供分布式数据存储和并行计算框架，Hadoop已经从一个集群计算的抽象演化成了一个大数据的操作系统。《Hadoop数据分析》旨在通过以可读且直观的方式提供集群计算和分析的概览，为数据科学家深入了解特定主题领域铺平道路，从数据科学家的视角介绍Hadoop集群计算和分析。本书分为两大部分，第一部分从非常高的层次介绍分布式计算，讨论如何在集群上运行计算；第二部分则重点关注数据科学家应该了解的工具和技