新年愿望达成:去年未能收获的壕礼通通回到碗里来!

DBAplus社群 2018-02-14 17:19:00

新年到啦,大家开不开心,激不激动!

小编一早捧着热腾腾的年终奖高兴万分

一拍脑门决定:

来!送!福!利!

 

当然,遇上如此喜庆的好日子

土豪小编要来点简单粗暴的

所以本次迎春赠书活动

福!利!翻!三!倍!

 

 

2017年,超多推荐的技术好书得到了大家的热捧和好评,由于每期只有3个赠书名额的限制,未能让小伙伴们如愿……

 

值此佳节,社群联合@图灵教育 开启壕无人性送书模式,精选过往最受欢迎和近期新晋的各5本大数据书籍进行推荐,并送出10个赠书名额,前所未有的超值惊喜,让你的春节鸿运到底!


《Kafka技术内幕》

作者:郑奇煌

 

  • 图文详解Kafka的内部原理、设计与实现

  • 全面分析以Kafka为中心的分布式流平台

  • Kafka新特性详解,包括连接器、流处理

 

本书以0.10版本的源码为基础,深入分析了Kafka的设计与实现,包括生产者和消费者的消息处理流程,新旧消费者不同的设计方式,存储层的实现,协调者和控制器如何确保Kafka集群的分布式和容错特性,两种同步集群工具MirrorMaker和uReplicator,流处理的两种API以及Kafka的一些高级特性等。

 

购买链接:https://item.jd.com/12234113.html

 

 

《Kafka权威指南》

作者:Neha Narkhede,Gwen Shapira,Todd Palino

译者:薛命灯

 

  • Kafka核心作者和业界一流一线人员共同执笔

  • 全面介绍Kafka设计原理和架构细节

 

本书是关于Kafka的全面教程,主要内容包括:Kafka相对于其他消息队列系统的优点,主要是它如何完美匹配大数据平台开发;详解Kafka内部设计;用Kafka构建应用的最佳实践;理解在生产中部署Kafka的最佳方式;如何确保Kafka集群的安全。

 

购买链接:https://item.jd.com/12270295.html

 

 

《Spark高级数据分析》

作者:Sandy Ryza,Uri Laserson,Sean Owen,Josh Wills

译者:龚少成

 

  • Amazon 4.8星实战手册,Cloudera公司数据科学家实践之作

  • 展示利用Spark进行大规模数据分析的若干模式

  • 将Spark、统计学方法和真实数据集结合起来

 

本书是使用Spark进行大规模数据分析的实战宝典,由著名大数据公司Cloudera数据科学家撰写。首先介绍了Spark及其生态系统,接着详细介绍了将分类、协同过滤及异常检查等常用技术应用于基因学、安全和金融领域的若干模式。如果你对机器学习和统计学有基本的了解,并且会用Java、Python或Scala编程,这些模式将有助于你开发自己的数据应用。

 

购买链接:https://item.jd.com/11802667.html

 

 

《Python数据处理》

作者:Jacqueline Kazil,Katharine Jarmul
译者:张亮 ,吕家明

 

  • 教你学会轻松处理数据的方法,将数据处理过程自动化

  • 全面掌握用Python进行爬虫抓取以及数据清洗与分析的方法,轻松实现高效数据处理

 

本书采用基于项目的方法,介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括:Python基础知识,如何从CSV、Excel、XML、JSON和PDF文件中提取数据,如何获取与存储数据,各种数据清洗与分析技术,数据可视化方法,如何从网站和API中提取数据。 “端点的设计、请求的形式、响应数据的设计等,能够学到很多具体的技巧。虽然是很薄的一本书,但实际工作中需要的信息都很好地涵盖到了。”

 

购买链接:https://item.jd.com/12219342.html

 

 

《机器学习》

作者:Peter Flach

译者:段菲

 

  • 被誉为内容最全面的机器学习指南,Machine Learning期刊总编Peter Flach力作

  • 数百个精选实例和解说性插图,汇集所有用于理解、挖掘和分析数据的先进方法

 

本书是迄今市面上内容最为全面的机器学习教材之一,书中汇集了所有用于理解、挖掘和分析数据的先进方法,并且通过数百个精选实例和解说性插图,直观而准确地阐释了这些方法背后的原理,内容涵盖了机器学习的构成要素和机器学习任务、逻辑模型、几何模型、统计模型,以及矩阵分解、ROC分析等时下热点话题。

 

购买链接:https://item.jd.com/11837028.html

 

《算法图解》

作者:Aditya Bhargava

译者:袁国忠

 

  • 简单易懂的算法教程

  • 400多个示意图,详细介绍算法执行过程,展示不同算法在性能方面的优缺点

  • 基于Python的代码示例

 

图灵最受欢迎的算法新书,获评“人民邮电出版社年度好书”。本书示例丰富,图文并茂,以让人容易理解的方式阐释了算法,旨在帮助程序员在日常项目中更好地发挥算法的能量。书中的前三章将帮助你打下基础,带你学习二分查找、大O表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法,具体内容包括:面对具体问题时的解决技巧,比如,何时采用贪婪算法或动态规划;散列表的应用;图算法;K最近邻算法。 

 

购买链接:https://item.jd.com/12148832.html

 

 

《用数据讲故事》

作者:Cole Nussbaumer Knaflic

译者:陆昊 , 吴梦颖

 

  • 学会用数据讲故事,让沟通更高效、更直接

  • 告别粗糙图表和PPT,让客户满意,给自己加分

  • 前Google人力分析团队经理作品//盖茨基金会、摩根大通银行等组织高管鼎力推荐

  • 秋叶、范冰、邓凯等知名数据分析专家联袂推荐

 

本书豆瓣评分8.6分,通过大量案例研究介绍数据可视化的基础知识,以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事,进而达到有效沟通的目的。具体内容包括:如何充分理解上下文,如何选择合适的图表,如何消除杂乱,如何聚焦受众的视线,如何像设计师一样思考,以及如何用数据讲故事。

 

购买链接:https://item.jd.com/12169299.html

 

 

《数据挖掘与分析:概念与算法》

作者:Mohammed J. Zaki , Wagner Meira Jr.

译者:吴诚堃

 

  • 数据挖据与分析的入门书,针对初学者阐述所有关键概念,包括探索性数据分析、频繁模式挖掘、聚类和分类

  • 兼顾前沿话题,例如核方法、高维数据分析、复杂图和网络等

  • 提供算法对应的开源实现方法

 

本书是专注于数据挖掘与分析的基本算法的入门图书,内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分,每一部分的各个章节兼顾基础知识和前沿话题,例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题。

 

购买链接:https://item.jd.com/12179115.html

 

 

《Python数据科学入门》

作者:Dmitry Zinoviev
译者:熊子源

 

  • 用Python轻松解决数据科学问题

  • 快速掌握数据科学领域常见任务和工具

 

本书以Python语言讲述数据科学基础知识,涵盖了数据采集、清洗、存储、检索、转换、可视化、高级数据分析(网络分析)、统计和机器学习等内容。具体内容包括:数据科学的Python核心特性,文本数据、数据库、表格形式的数值数据、series和frame、网络数据的使用,数据的绘制,概率与统计,机器学习。

 

购买链接:https://item.jd.com/12234539.html

 

 

《Java机器学习》

作者:Boštjan Kaluža

译者:武传海

 

  • 利用Java机器学习常见库设计、构建、部署你自己的机器学习应用

  • 快速了解用Java创建并实现机器学习

 

本书主要内容包括:机器学习基本概念、原理,Weka、Mahout、Spark等常见机器学习库的用法,各类机器学习常见任务,包括分类、预测预报、购物篮分析、检测异常、行为识别、图像识别以及文本分析。最后还提供了相关Web资源、各种技术研讨会议以及机器学习挑战赛等进阶所需内容。

 

链接:https://item.jd.com/12179091.html

活动预告