Big Data：大數據的概念與演算法
劉妘鑏
- 出版商: 全華圖書
- 出版日期: 2018-01-01
- 定價: $520
- 售價: 9.0 折 $468
- 語言: 繁體中文
- ISBN: 9864637088
- ISBN-13: 9789864637089
-
相關分類:
大數據 Big-data、R 語言、NoSQL
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$294Unity 3D NGUI 實戰教程 -
$352Python 演算法教學手冊 -
$594演算法基礎, 5/e -
Python 函式庫語法範例字典$450$356 -
遺傳演算法原理與應用－活用 Matlab, 5/e (附程式光碟)$620$558 -
寫程式前就該懂的演算法 ─ 資料分析與程式設計人員必學的邏輯思考術 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$390$308 -
認識資料科學的第一本書 (Data Analytics Made Accessible)$450$356 -
大數據時代的演算法：機器學習、人工智慧及其典型實例$400$316 -
$414Python 與機器學習實戰：決策樹、集成學習、支持向量機與神經網絡算法詳解及編程實現 -
$474Unity AR 增強現實完全自學教程 (全彩) -
認識大數據的第一本書$450$383 -
UNITY 從 2D 到 3D 程式設計的第一哩路X從零到近戰遊戲$650$585 -
無瑕的程式碼－整潔的軟體設計與架構篇 (Clean Architecture: A Craftsman's Guide to Software Structure and Design)$580$452 -
$714機器學習實戰：基於 Scikit-Learn 和 TensorFlow (Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems) -
精通 Unity3D + AR + VR：你才敢稱為 3D高手$590$502 -
打造專屬的虛擬世界：動手開發 HTC Vive VR 遊戲$540$459 -
科技巨頭：Hadoop+Spark大規模實際運作進行式 (舊名: Hadoop 進入全球最大市場的實戰案例)$540$459 -
電子商務實務 200講｜電子商務基礎檢定認證教材$350$298 -
0 門檻！0 負擔！9 天秒懂大數據 & AI 用語（iT邦幫忙鐵人賽系列書）$420$328 -
Spark 技術手冊｜輕鬆寫意處理大數據 (Spark: The Definitive Guide｜Big Data Processing Made Simple)$880$695 -
$500思科軟件定義訪問 -- 實現基於業務意圖的園區網絡 -
$407幾張圖教你看懂 RPA AI & RPA : 人工智能與機器人流程自動化的完美結合 -
$352Power Query 數據清洗實戰 -
$275Hadoop 理論與實踐 -
物聯網 ABC (Internet of Things: AI/ Big Data/ Cloud)$500$450
商品描述
本書主要目的是為了讓學習者能夠快速地對大數據的整體架構有初步的認識，內容完整兼顧原理與應用，協助學習者奠定大數據相關的知識與基礎。內容包含大數據應用相關的演算法、NoSQL 資料庫、文件系統、以及分析工具四大部份，並以附錄介紹近年來頗受歡迎的 R 語言，並輔以「股價分析」案例說明，以 step by step的方式協助學習者快速上手。另外，每章均附習題，讓學習者可以從中快速抓出課程重點，並檢核自己學習的效果。
1.讓學習者能夠快速地對大數據的整體架構有初步認識
2.內容完整兼顧大數據之原理與應用，奠定大數據相關的知識與基礎(包含：演算法/NoSQL 資料庫/文件系統/分析工具)
3.每章均附習題，讓學習者可以從中快速抓出課程重點，並檢核自己學習的效果
4.附錄放入近年來受歡迎的R語言，輔以「股價分析」案例，以step by step的方式協助學習者快速上手
目錄大綱
Chapter 01 簡介
第一節 為什麼Big Data 會受到重視
第二節 Big Data 的3V、4V 與5V
第三節 Big Data 的機會與挑戰
第四節 Big Data 在業界的應用實例
Chapter 02 預備知識
第一節 CAP & BASE 理論
第二節 BASE vs. ACID
第三節 雜湊表與分散式雜湊表的應用
第四節 為什麼關聯式資料庫在Big Data 的應用中會使不上力
第五節 分析Big Data 的方法
第六節 資料品質與知識發現模型
第七節 Big Data 應用的安全性與風險
第八節 分散式系統的設計要點
Chapter 03 演算法
第一節 Google MapReduce
第二節 Apache MapReduce
第三節 Apache Spark
第四節 Google Pregel
第五節 Apache Hama
Chapter 04 NoSQL資料庫
第一節 四大主流NoSQL 資料庫
第二節 Google Bigtable
第三節 Apache HBase
第四節 Apache：Cassandra
第五節 Amazon Dynamo
第六節 資料倉儲& Apache Hive
Chapter 05 文件系統
第一節 Google GFS
第二節 Apache HDFS
第三節 Facebook Haystack
Chapter 06 分析工具
第一節 Google Dremel
第二節 Apache Drill
第三節 Google BigQuery
第四節 Google Cloud Dataflow
Chapter 07 趨勢
第一節 NoHadoop/ Beyond Hadoop
第二節 Google Knowledge Graph
第三節 Open Data
第四節 Block Chain
第五節 Industry 4.0
附錄A R語言在計算應用上的優勢與特色
附錄B 運用R語言進行股價分析
