新书榜
最新入库好书
榜单
-
Python金融数据分析(原书第2版)
数据库
本书介绍如何利用新的程序语言进行金融建模并实现复杂的数据运算。书中讲授的程序工具与数据均可以通过公开渠道获取,通过建模与研究分析,你会对整个Python生态体系有全局性的认识。大量的实例分析也会加深你对金融风险管控的认知。
-
云原生数据中台:架构、方法论与实践
数据库
本书中讨论了云原生架构对于数据中台的必要性。数据中台的一个天然特性是支持多元异构的数据以及处理这些数据的工具。虽然很多时候孤岛的产生有组织架构的原因,但是缺乏统一的数据平台,无法快速支持不同部门对数据的不同需求,这些也是产生孤岛的重要原因—因为业务部门需要不断建设独立的系统以满足眼前的紧迫需求。在Twitter的大数据平台建设过程中,公司规模从300人发展到
-
数字媒体交互设计(初级):Web产品交互设计方法与案例
数据库
《数字媒体交互设计(初级)——Web产品交互设计方法与案例》针对Web产品交互设计新人,通过案例深入浅出地讲解了Web产品交互设计的思维、方法与技巧。共12章,主要讲述了Web产品交互设计的要素、流程、工具和规范,Web项目管理及协作方法,Web产品交互创意的梳理方法,Web产品流程图、原型图的制作方法,以及图标设计、组件设计、界面设计、图像处理、运营设计等
-
Python数据分析入门与实战
数据库
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。 全书从理论到实践、从基础语法到科学计算库,循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外,还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务,每章均配有重要知识点
-
文本数据挖掘:基于R语言
数据库
文本是一种特殊的非结构化数据,在当今的大数据时代,其价值日趋凸显。本书利用开源而强大的R软件,对文本数据挖掘的概念、技术及技巧进行了系统的介绍。本书共11章,内容包括:走进文本数据挖掘,R语言快速入门,字符串的基本处理,用好正则表达式,导入各类文本数据,对各类文本数据进行预处理,文本特征提取的4种方法,基于机器学习的文本分类方法,文本情感分析,文本可视化,文
-
Hadoop与大数据挖掘
数据库
本书提供了大数据相关技术的简介、原理、实践、企业应用等,针对大数据相关技术,如Hadoop、HBase、Hive、Spark等,都有专业章节进行介绍,并且针对每一模块都有相应的动手实践,能有效加深读者对大数据相关技术原理、技术实践的理解。书中的挖掘实践篇涉及企业在大数据应用中的所有环节,如数据采集、数据预处理、数据挖掘等,通过案例对整个系统的架构进行了详细分
-
数据分析实战:基于EXCEL和SPSS系列工具的实践
数据库
本书分为三大部分,第一部分基础篇(第1章和第2章)主要介绍数据分析的概念、术语、方法、模型等,为后续的内容展开奠定基础。第二部分制表篇(第3章到第5章)介绍数据的采集、整理以及常用数据报表的制作。第三部分数据分析篇(第6章到第14章)占据了本书的大部分篇幅,囊括了常用的、有代表性的、实用的功能,包括数据扫描、数据标注、异常值分析、回归等。
-
大数据架构和算法实现之路:电商系统的技术实战
数据库
本书介绍了一些主流技术在商业项目中的应用,包括机器学习中的分类、聚类和线性回归,搜索引擎,推荐系统,用户行为跟踪,架构设计的基本理念及常用的消息和缓存机制。在这个过程中,我们有机会实践R、Mahout、Solr、Elasticsearch、Hadoop、HBase、Hive、Flume、Kafka、Storm等系统。如前所述,本书最大的特色就是,从商业需求出
-
智能数据时代:企业大数据战略与实战
数据库
本书将从一个管理者的视角,从大数据的基本概念开始,循序渐进地介绍相关工具、企业数据工程的主要活动、数据团队建设以及相关的管理支持。TalkingData的十余位一线员工根据自己所在岗位的经验知识,参与了全书的编写工作,他们是(排名不分先后):何香萍,马斋,李正伟,杨慧,王俊,何坤,孔元明,姜伟,王福胜,潘松柏,卢健,张学敏,曾晓春,张宁,徐岷峰,周海鹏,吕博
-
深度剖析Hadoop HDFS
数据库
本书不会是纯源码分析的书籍。首先,我把工作实践中遇到的许多经验写入了书中,第7章便属于纯实践型的经验总结。其次,本书会是一个比较“新”的书,这里的“新”并不是指所分析的代码版本新,而是包含了HDFS未来的一些比较棒的功能特性,以及Hadoop社区目前在做的一些事情。在这本书中,你会看到许多与社区相关的JIRA,了解如何从社区上找到问题的解决办法。期待本书能给
-
短文本数据理解
数据库
短文本理解是伴随着搜索引擎、社交网络及聊天机器人等应用场景而兴起的一个研究课题。它是近些年的一个研究热点,且对未来人工智能的发展有重要的影响。由于短文本字词少、歧义大、不遵守语法规则等特点,传统自然语言处理技术如句法分析器等难以直接应用于短文本。因此,研究人员不得不另辟蹊径来解决机器理解短文本的问题。
-
循序渐进学Spark
数据库
本书以小象学院git项目方式管理。感谢姜冰钰、陈超、冼茂源等每一位内容贡献者,感谢他们花费大量时间,将自己对Spark的理解加上在实际工作、学习过程中的体会,融汇成丰富的内容。与企业不断涌现的对大数据技术的需求相比,大数据人才还存在很大缺口,对大数据技术充满期许的新人正在源源不断地加入这个领域。在小象学院的教学实践过程中,我们发现,一本能完整系统地介绍Spa
-
大数据与机器学习:实践方法与行业案例
数据库
大数据方面的书籍可谓琳琅满目,有的讲解理论,有的介绍方法,有的传播理念。但是,大数据从业人员(如数据工程师、数据分析师、业务分析师、算法设计师等)应该掌握哪些知识与技能,如何应用数据解决现实的业务问题呢?恐怕最能给出答案的还是实际的数据从业者。为此,三位作者基于近10年的数据分析与应用经验,融合各自在商业银行、互联网金融和电商领域的切身体验,寓理论于实战,选
-
Visual Studio 2010(C#)Web数据库项目开发
数据库
本书通过一个完整的网上商城,系统讲解如何使用Visual Studio 2010(C#)开发基于数据库(SQL Server)的Web应用程序。 全书从功能角度描述了商城的商品浏览、挑选商品、购物车、确认订单、注册、登录、查询、报表打印等购物流程,期望读者能掌握:母版页、DataList、GridView、验证控件的使用; QueryString、Sessi
-
大数据算法
数据库
介绍大数据上常见的算法设计思想,包括I/O敏感算法、并行算法和随机化算法,以及几个大数据比较热门的专题。这三类算法当前国内算法书籍中介绍比较少,并行算法和随机化算法尽管已经有相关书籍,但是并行算法的书籍往往和硬件联系比较密切,偏重于计算密集型算法而不是数据密集型算法;随机化算法也并非针对数据密集型计算提出的。
-
Ceph源码分析
数据库
众所周知,在过去十年里,IT技术领域中巨大的创新项目很多来自于开源世界,从垄断大数据的Hadoop、Spark,到风靡全球的Docker,都证明了开源力量推动了新技术的产生与发展。而再往以前看十年,从Unix到Linux,从Oracle到MySQL/PostgreSQL,从VMWare到KVM,开源世界从传统商业技术继承并给用户带来更多的选择。处于开源社区一
-
R语言与数据挖掘
数据库
R是一种适用于统计分析计算和图像处理的语言,受S语言和Scheme语言影响发展而来。早期R是基于S语言的一个GNU项目,所以也可以当作S语言的一种实现,通常用S语言编写的代码都可以不做任何修改地在R环境下运行。R的语法来自Scheme,作为一款诞生于20世纪90年代的语言,R已经成为S统计编程语言的一类实现方式。本书从实际应用出发,结合实例及应用场景,深入浅
-
大数据架构商业之路:从业务需求到技术方案
数据库
为了达到深入浅出、通俗易懂的效果,本书的第一大部分概述了大数据的主要技术,包括大数据的获取、存储、处理,还有架构设计的基本理念,以及常用的消息和缓存机制。这一部分你会发现关于Nutch、Flume、Hadoop、HBase、Redis、Hive、Kafka、Spark、Storm等的简介。对于数据处理的高级技术,本书着墨不少,但不乏对于信息检索和数据挖掘课题
-
Oracle数据库性能优化方法论和最佳实践
数据库
近几年,随着美创科技公司开创并实践的基于流程、资源和组件分析的性能优化方法论的成熟,笔者比以往有了更大的动机来完成本书,期望它可以在Oracle性能优化史甚至整个数据库性能优化史上留下印迹,让广大的Oracle数据库使用人员和从业人员可以更加简单地完成Oracle性能优化工作,而不仅仅是个别高级DBA的专利工作。
-
Spark大数据分析实战
数据库
Spark大数据技术还在如火如荼地发展,Spark中国峰会的召开,各地meetup的火爆举行,开源软件Spark也因此水涨船高,很多公司已经将Spark大范围落地并且应用。Spark使用者的需求已经从最初的部署安装、运行实例,到现在越来越需要通过Spark构建丰富的数据分析应用。写一本Spark实用案例类的技术书籍,是一个持续了很久的想法。由于工作较为紧张,