Практический анализ данных (оригинальная книга 2) [Midea] Гектор Cuesta Dr. Sampath Kumar Big Data Series
Цена: 722руб. (¥40.12)
Артикул: 560963716783
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
<p><img class="desc_anchor" id="desc-module-1" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><table style="font-size: 12.0px;border: 1.0px solid #cccccc;" border="0" cellpadding="6" cellspacing="0" width="749"><tr><td colspan="2" style="font-size: 15.0px;color: #990000;font-weight: bold;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="left">&amp;nbsp;&amp;NBSP; Основная информация о продукте</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">наименование товара:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;NBSP;</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Автор:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;NBSP;&amp;Миддот;</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Рыночная цена:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;nbsp;59.00</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Номер ISBN:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;nbsp;9787111579212</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Версия:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;nbsp;1-1</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Дата публикации:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;nbsp;2017-09</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Количество страниц:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;nbsp;236</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Слова:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;nbsp;147</td></tr><tr><td style="font-size: 14.0px;color: #666666;background-color: #fbfbfb;border-bottom: 1.0px solid #d9d9d9;" align="right" width="107">Издательство:</td><td style="border-bottom: 1.0px solid #d9d9d9;border-left: 1.0px solid #d9d9d9;font-size: 14.0px;color: #000000;" width="612">&amp;nbsp;&amp;NBSP; Machinery Industry Press</td></tr></table><img class="desc_anchor" id="desc-module-2" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><table style="font-size: 12.0px;border: 1.0px solid #cccccc;" border="0" cellpadding="6" cellspacing="0" width="749"><tr><td colspan="2" style="font-size: 14.0px;color: #990000;font-weight: bold;background-color: #fbfbfb;border-bottom: 1.0px dashed #d9d9d9;" align="left">&amp;nbsp;&amp;NBSP; каталог</td></tr><tr><td colspan="2" style="font-size: 12.0px;line-height: 20.0px;color: #666666;background-color: #ffffff;padding: 10.0px;" align="left">Cingents<br>Переводчик<br>об авторе<br>Введение<br>Предисловие<br>Глава 1 начало 1<br>1.1 Компьютерная наука 1<br>1.2 Искусственный интеллект 2<br>1.3 машинное обучение 2<br>1.4 Статистика 2<br>1.5 Математика 2<br>1.6 Знание в профессиональных областях 3<br>1.7 Данные, информация и знания 3<br>1.7.1 Взаимность между данными, информацией и знаниями 3<br>1.7.2 Суть данных 4<br>1.8 Процесс анализа данных 5<br>1.8.1 Вопрос 6<br>1.8.2 Подготовка данных 6<br>1.8.3 Исследование данных 7<br>1.8.4 Прогнозируемое моделирование 7<br>1.8.5 Визуализация результатов 8<br>1.9 из количественных и качественных данных 9<br>1.10 Важность визуализации данных 9<br>1.11 Большие данные 10<br>1.12 Самоалквенос 12<br>1.12.1 Датчик и камера 12<br>1.12.2 Анализ социальной сети 13<br>1.13 Инструменты и упражнения этой книги 13<br>1.13.1 Зачем использовать Python14<br>1.13.2 Зачем использовать MLPY14<br>1.13.3 Зачем использовать D3.JS14<br>1.13.4 Зачем использовать mongodb15<br>1.14 Резюме 15<br>Глава 2 Данные предварительно обработки 16<br>2.1 Источник данных 16<br>2.1.1 Данные с открытым исходным кодом 17<br>2.1.2 Текстовый файл 18<br>2.1.3 Excel File 18<br>2.1.4 SQL База данных 18<br>2.1.5 База данных NOSQL 19<br>2.1.6 Multimedia 20<br>2.1.7.<br>2.2 Очистка данных 22<br>2.2.1 Статистический метод 23<br>2.2.2 Анализ текста 23<br>2.2.3 Преобразование данных 25<br>2.3 Формат данных 25<br>2.3.1 CSV26<br>2.3.2 JSON27<br>2.3.3 XML28<br>2.3.4 Yaml29<br>2.4 Данные около 30<br>2.4.1 Фильтр и выборка 30<br>2.4.2 -Алгоритм ящика 30 30<br>2.4.3 Сокращение измерения 31<br>2.5 Начните с помощью инструмента OpenRefine 32<br>2.5.1 Текст Facet33<br>2.5.2 кластер 33<br>2.5.3 Текстовый фильтр 34<br>2.5.4 Числовой Facet34<br>2.5.5 Преобразование данных 35<br>2.5.6 Вывод данных 36<br>2.5.7 Запись истории операции 36<br>2.6 Сводка 37<br>Глава 3 Визуализация 38<br>3.1 Визуальный обзор 39<br>3.2 Используйте визуализацию веб -версии 39<br>3.3 Изучение науки визуализации 39<br>3.4 Визуализация искусства 40<br>3.5 Визуальный жизненный цикл 40<br>3.6 Различные данные различных типов визуализации 41<br>3.6.1 HTML41<br>3.6.2 DOM42<br>3.6.3 CSS42<br>3.6.4 JavaScript43<br>3.6.5 SVG43<br>3.7 Начните использовать D3.js43<br>3.7.1 Столб Рисунок 44<br>3.7.2 торт Рисунок 48<br>3.7.3 Sanda Point Рисунок 50<br>3.7.4 Одиночный рисунок 52<br>3.7.5 Multi -Line Diagram 55<br>3.8 Интерактивная и анимация 59<br>3.9 Данные в социальных сетях 61<br>3.10 Сводка визуального анализа 62<br>3.11 Резюме 62<br>Глава 4 Классификация текста 63<br>4.1 Обучение и классификация 63<br>4.2 Байесовская категория 64<br>4.3 Тестер электронной почты 65<br>4.4 Данные 66<br>4.5 Алгоритм 68<br>4.6 Точность классификатора 71<br>4.7 Резюме 73<br>Глава 5 Поиск изображения на основе сходства 74<br>5.1 Поиск сходства изображений 74<br>5.2 Динамические правила времени 75<br>5.3 Обработка набора данных изображения 77<br>5.4 выполнить DTW77<br>5.5 Анализ результатов 79<br>5.6 Резюме 81<br>Глава 6 Цена акций SIMS 82<br>6.1 Финансовые временные ряды 82<br>6.2 Случайная прогулка симуляция 83<br>6.3 Метод Монте -Карло 84<br>6.4 Создание случайного числа 85<br>6.5 Реализуйте 86 с D3.JS<br>6.6 Аналитик заслуг 91<br>6.7 Резюме 93<br>Глава 7 Прогнозирование цена золота 94<br>7.1 Данные временных рядов обработки 94<br>7.2 плавные временные ряды 97<br>7.3 Линейная регрессия 100<br>7.4 Данные&amp;MDASH;<br>7.5 Нелинейная регрессия 101<br>7.5.1 Возврат ядерного гребня 102<br>7.5.2 Сквозь посторонняя ценовая последовательность 104<br>7.5.3 Прогноз гладкой временной последовательности 105<br>7.5.4 Значение прогноза сравнения 106<br>7.6 Резюме 107<br>Глава 8 Используйте метод поддержки векторной машины для анализа 108<br>8.1 Понять несколько переменных набор данных 109<br>8.2 Сокращение размера 111<br>8.2.1 Линейный дифференциальный анализ 112<br>8.2.2 Анализ основного композиции 112<br>8.3 Используйте вспомогательную машину 114<br>8.3.1 Основная функция 115<br>8.3.2 Двойная спиральная задача 116<br>8.3.3 Реализация SVM116 в MLPY<br>8.4 Care 119<br>Глава 9 Метод использования ячеек автоматических машин для моделирования инфекционных заболеваний 120<br>9.1 Введение в эпидемиологию 120<br>9.2 Популярная модель болезни 122<br>9.2.1 SIR MODEL 122<br>9.2.2 Используйте Scipy для решения постоянного дифференциального уравнения модели SIR 123<br>9.2.3 SIRS MODEL 124<br>9.3 Моделирование автоматической машины Cell 125<br>9.3.1 Cell, State, Grid и Andaying Domain 126<br>9.3.2 Общая модель случайного доступа 127<br>9.4 Модель модели SIRS в CA до D3.JS 127<br>9.5 Резюме 135<br>Глава 10 Общество приложений Рисунок 136<br>10.1 Структура рисунка 136<br>10.1.1 Неограниченный рисунок 137<br>10.1.2 Есть направление Рисунок 137<br>10.2 Анализ социальной сети 137<br>10.3 Захватить Facebook Рисунок 138<br>10.4 Используйте Gephi, чтобы воспроизвести рис. 139<br>10.5 Статистический анализ 142<br>10,6 градусов распределение 144<br>10.6.1 Рисунок рецепт света Рисунок 145<br>10.6.2 Концентрация 146<br>10.7 Преобразовать GDF в JSON148<br>10.8 Выполнение может быть визуализировано в среде D3.JS 150<br>10.9 Резюме 154<br>Глава 11 Анализ данных Twitter 155<br>11.1 Анализ данных Twitter 155<br>11.1.1 Tweet156<br>11.1.2 фанаты 156<br>11.1.3 Популярные темы 156<br>11.2 Используйте OAuth для доступа к Twitter API157<br>11.3 Начните использовать Twython158<br>11.3.1 Используйте Twython, чтобы сделать простой запрос 159<br>11.3.2 Получите данные расписания 163<br>11.3.3 Получить данные фанатов 165<br>11.3.4 Получите местоположение и тренд. 167<br>11.3.5 Получите пользовательские данные 168<br>11.3.6 API Stream 169<br>11.4 Резюме 171<br>Глава 12 Используйте MongoDB для обработки и агрегации данных 172<br>12.1 Начните с использованием mongodb172<br>12.1.1 База данных 173<br>12.1.2 Эпизоды 175<br>12.1.3 Файл 175<br>12.1.4 Mongo Shell175<br>12.1.5 INSERT/UPDATE/DELETE176<br>12.1.6 Запрос 177<br>12.2 Подготовка данных 178<br>12.2.1 Используйте OpenRefine для преобразования данных 179<br>12.2.2 Вставьте файл 180 через Pimongo<br>12.3 Пакет 182<br>12.4 Кадр агрегации 184<br>12.4.1 Линия фильма 184<br>12.4.2 Выражение 185<br>12.5 Резюме 186<br>Глава 13 Используйте метод MapReduce 188<br>13.1 Обзор MapReduce 188<br>13.2 Модель программирования 189<br>13.3 Используйте MapReduce190 в MongoDB<br>13.3.1 Функция карты 190<br>13.3.2 Уменьшите функцию 191<br>13.3.3 Используйте Mongo Shell191<br>13.3.4 Используйте jupyter193<br>13.3.5 Используйте Pymongo194<br>13.4 Набор ввода фильтра 195<br>13,5 пакета и агрегации 196<br>13.6 Статистический высокий словарный запас 198 в твите<br>13.7 Сводка 201<br>Глава 14 Используйте Юпитер и Вакари для онлайн -анализа данных 202<br>14.1 Начните использовать Wakari202<br>14.2 Начните использовать блокнот Юпитера 205<br>14.3 Обработка изображений через PIL 208<br>14.3.1 Откройте изображение 208<br>14.3.2 Отображение изображений концерта Рисунок 208<br>14.3.3 Фильтр 209<br>14.3.4 Операция 211<br>14.3.5 Преобразование 212<br>14.4 Начните использовать Pandas213<br>14.4.1 Последовательность времени дегустации 213<br>14.4.<br>14.4.3 Пакет, агрегация и связанная с ним 219<br>14.5 Поделитесь своим блокнотом 221<br>14.6 Резюме 224<br>Глава 15 Используйте Apache Spark для обработки данных 225<br>15.1 Платформа обработки данных 226<br>15.1.1 платформа Cloudera 226<br>15.1.2 Установить Cloudera VM227<br>15.2 Обзор распределенной файловой системы 229<br>15.2.1 Конкретные этапы использования распределенной файловой системы Hadoop (HDFS) 229<br>15.2.2 Используйте веб -интерфейс HUE для выполнения управления файлами 230<br>15.3 Apache Spark Обзор 231<br>15.3.1 Экосистема Spark's 231<br>15.3.2 Модель программирования Spark 232<br>15.3.3 Apache начал<br><br></td></tr></table><img class="desc_anchor" id="desc-module-3" src="https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif"><table style="font-size: 12.0px;border: 1.0px solid #cccccc;" border="0" cellpadding="6" cellspacing="0" width="749"><tr><td colspan="2" style="font-size: 14.0px;color: #990000;font-weight: bold;background-color: #fbfbfb;border-bottom: 1.0px dashed #d9d9d9;" align="left">&amp;nbsp;&amp;NBSP; Введение</td></tr><tr><td colspan="2" style="font-size: 12.0px;line-height: 20.0px;color: #666666;background-color: #ffffff;padding: 10.0px;" align="left"> &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;NBSP;Книга охватывает широкий спектр инструментов анализа данных и алгоритмов для анализа классификации, анализа кластеризации, визуализации данных, моделирования данных и прогнозирования.Цель этой книги - помочь читателям понять данные и найти соответствующие модели, тенденции, отношения и важные выводы.Практические проекты, включенные в книгу, в полной мере используют MongoDB, D3.JS и Python Language, а также используют фрагменты кода и подробные описания, чтобы представить основную концепцию этой книги.<br>&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;</td></tr></table></p>
Продавец:鑫达图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
- Информация о товаре
- Фотографии
  Основная информация о продукте | |
наименование товара: |   |
Автор: |  &Миддот; |
Рыночная цена: | 59.00 |
Номер ISBN: | 9787111579212 |
Версия: | 1-1 |
Дата публикации: | 2017-09 |
Количество страниц: | 236 |
Слова: | 147 |
Издательство: |   Machinery Industry Press |
  каталог | |
Cingents Переводчик об авторе Введение Предисловие Глава 1 начало 1 1.1 Компьютерная наука 1 1.2 Искусственный интеллект 2 1.3 машинное обучение 2 1.4 Статистика 2 1.5 Математика 2 1.6 Знание в профессиональных областях 3 1.7 Данные, информация и знания 3 1.7.1 Взаимность между данными, информацией и знаниями 3 1.7.2 Суть данных 4 1.8 Процесс анализа данных 5 1.8.1 Вопрос 6 1.8.2 Подготовка данных 6 1.8.3 Исследование данных 7 1.8.4 Прогнозируемое моделирование 7 1.8.5 Визуализация результатов 8 1.9 из количественных и качественных данных 9 1.10 Важность визуализации данных 9 1.11 Большие данные 10 1.12 Самоалквенос 12 1.12.1 Датчик и камера 12 1.12.2 Анализ социальной сети 13 1.13 Инструменты и упражнения этой книги 13 1.13.1 Зачем использовать Python14 1.13.2 Зачем использовать MLPY14 1.13.3 Зачем использовать D3.JS14 1.13.4 Зачем использовать mongodb15 1.14 Резюме 15 Глава 2 Данные предварительно обработки 16 2.1 Источник данных 16 2.1.1 Данные с открытым исходным кодом 17 2.1.2 Текстовый файл 18 2.1.3 Excel File 18 2.1.4 SQL База данных 18 2.1.5 База данных NOSQL 19 2.1.6 Multimedia 20 2.1.7. 2.2 Очистка данных 22 2.2.1 Статистический метод 23 2.2.2 Анализ текста 23 2.2.3 Преобразование данных 25 2.3 Формат данных 25 2.3.1 CSV26 2.3.2 JSON27 2.3.3 XML28 2.3.4 Yaml29 2.4 Данные около 30 2.4.1 Фильтр и выборка 30 2.4.2 -Алгоритм ящика 30 30 2.4.3 Сокращение измерения 31 2.5 Начните с помощью инструмента OpenRefine 32 2.5.1 Текст Facet33 2.5.2 кластер 33 2.5.3 Текстовый фильтр 34 2.5.4 Числовой Facet34 2.5.5 Преобразование данных 35 2.5.6 Вывод данных 36 2.5.7 Запись истории операции 36 2.6 Сводка 37 Глава 3 Визуализация 38 3.1 Визуальный обзор 39 3.2 Используйте визуализацию веб -версии 39 3.3 Изучение науки визуализации 39 3.4 Визуализация искусства 40 3.5 Визуальный жизненный цикл 40 3.6 Различные данные различных типов визуализации 41 3.6.1 HTML41 3.6.2 DOM42 3.6.3 CSS42 3.6.4 JavaScript43 3.6.5 SVG43 3.7 Начните использовать D3.js43 3.7.1 Столб Рисунок 44 3.7.2 торт Рисунок 48 3.7.3 Sanda Point Рисунок 50 3.7.4 Одиночный рисунок 52 3.7.5 Multi -Line Diagram 55 3.8 Интерактивная и анимация 59 3.9 Данные в социальных сетях 61 3.10 Сводка визуального анализа 62 3.11 Резюме 62 Глава 4 Классификация текста 63 4.1 Обучение и классификация 63 4.2 Байесовская категория 64 4.3 Тестер электронной почты 65 4.4 Данные 66 4.5 Алгоритм 68 4.6 Точность классификатора 71 4.7 Резюме 73 Глава 5 Поиск изображения на основе сходства 74 5.1 Поиск сходства изображений 74 5.2 Динамические правила времени 75 5.3 Обработка набора данных изображения 77 5.4 выполнить DTW77 5.5 Анализ результатов 79 5.6 Резюме 81 Глава 6 Цена акций SIMS 82 6.1 Финансовые временные ряды 82 6.2 Случайная прогулка симуляция 83 6.3 Метод Монте -Карло 84 6.4 Создание случайного числа 85 6.5 Реализуйте 86 с D3.JS 6.6 Аналитик заслуг 91 6.7 Резюме 93 Глава 7 Прогнозирование цена золота 94 7.1 Данные временных рядов обработки 94 7.2 плавные временные ряды 97 7.3 Линейная регрессия 100 7.4 Данные— 7.5 Нелинейная регрессия 101 7.5.1 Возврат ядерного гребня 102 7.5.2 Сквозь посторонняя ценовая последовательность 104 7.5.3 Прогноз гладкой временной последовательности 105 7.5.4 Значение прогноза сравнения 106 7.6 Резюме 107 Глава 8 Используйте метод поддержки векторной машины для анализа 108 8.1 Понять несколько переменных набор данных 109 8.2 Сокращение размера 111 8.2.1 Линейный дифференциальный анализ 112 8.2.2 Анализ основного композиции 112 8.3 Используйте вспомогательную машину 114 8.3.1 Основная функция 115 8.3.2 Двойная спиральная задача 116 8.3.3 Реализация SVM116 в MLPY 8.4 Care 119 Глава 9 Метод использования ячеек автоматических машин для моделирования инфекционных заболеваний 120 9.1 Введение в эпидемиологию 120 9.2 Популярная модель болезни 122 9.2.1 SIR MODEL 122 9.2.2 Используйте Scipy для решения постоянного дифференциального уравнения модели SIR 123 9.2.3 SIRS MODEL 124 9.3 Моделирование автоматической машины Cell 125 9.3.1 Cell, State, Grid и Andaying Domain 126 9.3.2 Общая модель случайного доступа 127 9.4 Модель модели SIRS в CA до D3.JS 127 9.5 Резюме 135 Глава 10 Общество приложений Рисунок 136 10.1 Структура рисунка 136 10.1.1 Неограниченный рисунок 137 10.1.2 Есть направление Рисунок 137 10.2 Анализ социальной сети 137 10.3 Захватить Facebook Рисунок 138 10.4 Используйте Gephi, чтобы воспроизвести рис. 139 10.5 Статистический анализ 142 10,6 градусов распределение 144 10.6.1 Рисунок рецепт света Рисунок 145 10.6.2 Концентрация 146 10.7 Преобразовать GDF в JSON148 10.8 Выполнение может быть визуализировано в среде D3.JS 150 10.9 Резюме 154 Глава 11 Анализ данных Twitter 155 11.1 Анализ данных Twitter 155 11.1.1 Tweet156 11.1.2 фанаты 156 11.1.3 Популярные темы 156 11.2 Используйте OAuth для доступа к Twitter API157 11.3 Начните использовать Twython158 11.3.1 Используйте Twython, чтобы сделать простой запрос 159 11.3.2 Получите данные расписания 163 11.3.3 Получить данные фанатов 165 11.3.4 Получите местоположение и тренд. 167 11.3.5 Получите пользовательские данные 168 11.3.6 API Stream 169 11.4 Резюме 171 Глава 12 Используйте MongoDB для обработки и агрегации данных 172 12.1 Начните с использованием mongodb172 12.1.1 База данных 173 12.1.2 Эпизоды 175 12.1.3 Файл 175 12.1.4 Mongo Shell175 12.1.5 INSERT/UPDATE/DELETE176 12.1.6 Запрос 177 12.2 Подготовка данных 178 12.2.1 Используйте OpenRefine для преобразования данных 179 12.2.2 Вставьте файл 180 через Pimongo 12.3 Пакет 182 12.4 Кадр агрегации 184 12.4.1 Линия фильма 184 12.4.2 Выражение 185 12.5 Резюме 186 Глава 13 Используйте метод MapReduce 188 13.1 Обзор MapReduce 188 13.2 Модель программирования 189 13.3 Используйте MapReduce190 в MongoDB 13.3.1 Функция карты 190 13.3.2 Уменьшите функцию 191 13.3.3 Используйте Mongo Shell191 13.3.4 Используйте jupyter193 13.3.5 Используйте Pymongo194 13.4 Набор ввода фильтра 195 13,5 пакета и агрегации 196 13.6 Статистический высокий словарный запас 198 в твите 13.7 Сводка 201 Глава 14 Используйте Юпитер и Вакари для онлайн -анализа данных 202 14.1 Начните использовать Wakari202 14.2 Начните использовать блокнот Юпитера 205 14.3 Обработка изображений через PIL 208 14.3.1 Откройте изображение 208 14.3.2 Отображение изображений концерта Рисунок 208 14.3.3 Фильтр 209 14.3.4 Операция 211 14.3.5 Преобразование 212 14.4 Начните использовать Pandas213 14.4.1 Последовательность времени дегустации 213 14.4. 14.4.3 Пакет, агрегация и связанная с ним 219 14.5 Поделитесь своим блокнотом 221 14.6 Резюме 224 Глава 15 Используйте Apache Spark для обработки данных 225 15.1 Платформа обработки данных 226 15.1.1 платформа Cloudera 226 15.1.2 Установить Cloudera VM227 15.2 Обзор распределенной файловой системы 229 15.2.1 Конкретные этапы использования распределенной файловой системы Hadoop (HDFS) 229 15.2.2 Используйте веб -интерфейс HUE для выполнения управления файлами 230 15.3 Apache Spark Обзор 231 15.3.1 Экосистема Spark's 231 15.3.2 Модель программирования Spark 232 15.3.3 Apache начал |
  Введение | |
 Книга охватывает широкий спектр инструментов анализа данных и алгоритмов для анализа классификации, анализа кластеризации, визуализации данных, моделирования данных и прогнозирования.Цель этой книги - помочь читателям понять данные и найти соответствующие модели, тенденции, отношения и важные выводы.Практические проекты, включенные в книгу, в полной мере используют MongoDB, D3.JS и Python Language, а также используют фрагменты кода и подробные описания, чтобы представить основную концепцию этой книги. |