登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
App程式設計入門：iPhone、iPad(附光碟)
．
ChatGPT4人工
．
TensorFlow
．
Python+Spa
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
Hadoop+Spark大數據巨量分析與機器學習整合開發實戰
作者：
林大貴
分類：
電腦與網路
／
程式語言
出版社：
博碩文化
出版日期：2015/11/6
ISBN：9789864340545
書籍編號：kk0411711
頁數：528
定價：
620
元
優惠價：
79
折
490
元
書價若有異動，以出版社實際定價為準
絕版書
絕版書：確定不再版的商品，僅提供書籍資訊參考。
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0411711'>Hadoop+Spark大數據巨量分析與機器學習整合開發實戰</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0411711'><img src='https://www.silkbook.com/mall_image/bk/kk0411711.jpg' ALT='Hadoop+Spark大數據巨量分析與機器學習整合開發實戰' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
Hadoop+Spark大數據巨量分析與機器學習整合開發實戰 ◆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Hadoop MapReduce與HDFS基本概念，以及Spark RDD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）、Bike Sharing（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Robert Half Technology 2016 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Robert Half Technology 2016 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Apache Spark 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。
林大貴 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。
Chapter01 大數據與機器學習 1-1 大數據定義 1-2 Hadoop 簡介 1-3 Hadoop HDFS 分散式檔案系統 1-4 Hadoop MapReduce 介紹 1-5 Spark 介紹 1-6 機器學習介紹 Chapter02 Virtual Box 虛擬機器軟體安裝 2-1 VirtualBox 下載安裝 2-2 設定Virtual Box 儲存資料夾 2-3 在VirtualBox 建立虛擬機器 Chapter03 Ubuntu Linux 作業系統安裝 3-1 下載Ubuntu 安裝光碟檔案 3-2 在Virtual Box 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Guest Additions 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 Chapter04 Hadoop Single Node Cluster 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Hadoop Resource Manager Web 介面 4-9 NameNode HDFS Web 介面 Chapter05 Hadoop Multi Node Cluster 安裝 5-1 複製Single Node Cluster 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 5-6 master 連線至data1、data2、data3 建立HDFS 目錄 5-7 建立與格式化NameNode HDFS 目錄 5-8 啟動Hadoop Multi Node Cluster 5-9 開啟Hadoop ResourceManager Web 介面 5-10 開啟NameNode HDFS Web 介面 Chapter06 Hadoop HDFS 命令介紹 6-1 啟動Hadoop Multi-Node Cluster 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 6-6 Hadoop HDFS Web UI 介面瀏覽HDFS Chapter07 Hadoop MapReduce 介紹 7-1 wordCount.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 7-8 Hadoop MapReduce 的缺點 Chapter08 Spark 安裝介紹 8-1 SPARK 的cluster 模式架構圖 8-2 Scala 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Hadoop YARN 執行spark-shell 8-9 建置Spark standalone cluster 執行環境 8-10 在Spark standalone 執行spark-shell Chapter09 Spark RDD 介紹 9-1 RDD 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 9-5 RDD Key-Value 基本「轉換」運算 9-6 多個RDD Key-Value「轉換」運算 9-7 Key-Value「動作」運算 9-8 Broadcast 廣播變數 9-9 accumulator 累加器 9-10 RDD Persistence 持久化 9-11 使用Spark 建立WordCount 9-12 Spark WordCount 詳細解說 Chapter10 Spark 整合開發環境介紹 10-1 下載與安裝Scala IDE 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 10-12 spark-submit 詳細介紹 10-13 在本機local 模式執行WordCount 程式 10-14 在hadoop yarn-client 執行WordCount 程式 10-15 WordCount 程式在Spark Standalone Cluster 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 11-3 ALS 推薦演算法介紹 11-4 ml-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 11-11 Recommend.scala 程式碼 11-12 建立PrepareData() 資料準備 11-13 recommend() 推薦程式碼 11-14 執行Recommend.scala 11-15 建立AlsEv alution.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AlsEv aluation 11-19 修改Recommend.scala 為最佳參數組合 Chapter12 StumbleUpon 資料集介紹 12-1 StumbleUpon 資料集 12-2 下載StumbleUpon 資料 12-3 以LibreOffice Calc 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Classi fication 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 13-9 RunDecisionTreeBinary 執行參數調校程式 13-10 RunDecisionTreeBinary 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 14-2 RunLogisticRegressionWithSGDBinary.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 15-2 RunSVMWithSGDBinary.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 16-2 RunNaiveBayesBinary.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 17-2 UCI Covertype 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 18-1 Bike Sharing 大數據問題分析 18-2 Bike Sharing 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Apache Zeppelin 資料視覺化 19-1 Apache Zeppelin 介紹 19-2 安裝Zeppelin 前的準備 19-3 Apache Zeppelin 安裝 19-4 啟動Apache Zeppelin 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Spark SQL 19-9 使用Zeppelin 執行性別統計Spark SQL 19-10 依照職業統計 19-11 Spark SQL 加入文字方塊輸入參數 19-12 加入選項參數 19-13 Zeppelin 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
Go 學習手冊 第二
ChatGPT超級應
最新Python基礎
新手也能學會的Git
深入淺出軟體架構
因果推論的商業應用：
Canva零基礎入門
聰明提問AI的技巧與
文科生也能輕鬆實現！
Raspberry
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
