人工智能 类型
可以朗读 语音朗读
574千字 字数
2020-08-01 发行日期
展开全部

主编推荐语

分布式机器学习实战：大数据技术、主流框架与算法详解。

内容简介

本书以分布式机器学习为主线，对其依赖的大数据技术进行详细介绍，并对目前主流的分布式机器学习框架和算法进行重点讲解，侧重实战。全书共分为8章，详细讲解大数据算法系统架构、大数据基础、Docker容器、分布式深度学习框架和神经网络算等内容，同时配套完整工业级实战项目，例如个性化推荐算法系统、人脸识别，对话机器人。本书适合分布式机器学习的初学者阅读，对于有一定经验的分布式大数据方向的从业人员及算法工程师，也可以从书中获取很多有价值的知识，并通过实战项目更好地理解分布式机器学习的核心内容。

目录

  • 版权信息
  • 内容简介
  • 作者简介
  • 前言 PREFACE
  • 第1章 互联网公司大数据和人工智能那些事
  • 1.1 大数据和人工智能在互联网公司扮演的角色和重要性
  • 1.1.1 什么是大数据，扮演的角色和重要性
  • 1.1.2 什么是人工智能，扮演的角色和重要性
  • 1.1.3 大数据和人工智能有什么区别，又是如何相互关联
  • 1.2 大数据部门组织架构和各种职位介绍
  • 1.2.1 大数据部门组织架构
  • 1.2.2 各种职位介绍和技能要求
  • 1.2.3 不同职位相互协调配合关系
  • 1.2.4 各个职位的职业生涯规划和发展路径
  • 1.2.5 各个职位的市场平均薪资水平
  • 第2章 大数据算法系统架构
  • 2.1 经典应用场景
  • 2.2 应用系统架构设计
  • 第3章 大数据基础
  • 3.1 Hadoop大数据平台搭建
  • 3.1.1 Hadoop原理和功能介绍
  • 3.1.2 Hadoop安装部署
  • 3.1.3 Hadoop常用操作命令
  • 3.2 Hive数据仓库实战
  • 3.2.1 Hive原理和功能介绍
  • 3.2.2 Hive安装部署
  • 3.2.3 Hive SQL操作
  • 3.2.4 UDF函数
  • 3.2.5 Hive数据仓库模型设计
  • 3.3 HBase实战
  • 3.3.1 HBase原理和功能介绍
  • 3.3.2 HBase数据结构和表详解
  • 3.3.3 HBase安装部署
  • 3.3.4 HBase Shell常用命令操作
  • 3.3.5 HBase客户端类SQL工具Phoenix
  • 3.3.6 Hive集成HBase查询数据
  • 3.3.7 HBase升级和数据迁移
  • 3.4 Sqoop数据ETL工具实战
  • 3.4.1 Sqoop原理和功能介绍
  • 3.4.2 Sqoop常用操作
  • 3.5 Spark基础
  • 3.5.1 Spark原理和介绍
  • 3.5.2 Spark MLlib机器学习介绍
  • 3.5.3 Spark GraphX图计算介绍
  • 3.5.4 Spark Streaming流式计算介绍
  • 3.5.5 Scala编程入门和Spark编程
  • 3.5.6 Spark项目案例实战和分布式部署
  • 第4章 Docker容器
  • 4.1 Docker介绍
  • 4.1.1 能用Docker做什么
  • 4.1.2 Docker容器基本概念
  • 4.2 Docker容器部署
  • 4.2.1 基础环境安装
  • 4.2.2 Docker常用命令
  • 第5章 Mahout分布式机器学习平台
  • 5.1 Mahout挖掘平台
  • 5.1.1 Mahout原理和介绍
  • 5.1.2 Mahout安装部署
  • 5.2 Mahout机器学习算法
  • 5.2.1 Mahout算法概览
  • 5.2.2 潜在狄利克雷分配模型
  • 5.2.3 MinHash聚类
  • 5.2.4 K-means聚类
  • 5.2.5 Canopy聚类
  • 5.2.6 MeanShift均值漂移聚类
  • 5.2.7 Fkmeans模糊聚类
  • 5.2.8 贝叶斯分类算法
  • 5.2.9 SGD逻辑回归分类算法
  • 5.2.10 随机森林分类算法
  • 5.2.11 关联规则之频繁项集挖掘算法
  • 5.2.12 协同过滤算法
  • 5.2.13 遗传算法
  • 第6章 Spark分布式机器学习平台
  • 6.1 Spark机器学习库
  • 6.1.1 Spark机器学习简介
  • 6.1.2 算法概览
  • 6.2 各个算法介绍和编程实战
  • 6.2.1 推荐算法交替最小二乘法
  • 6.2.2 逻辑回归
  • 6.2.3 决策树
  • 6.2.4 随机森林
  • 6.2.5 梯度提升决策树
  • 6.2.6 支持向量机
  • 6.2.7 朴素贝叶斯
  • 6.2.8 序列模式挖掘PrefixSpan
  • 6.2.9 Word2vec词向量模型
  • 6.2.10 多层感知器神经网络
  • 第7章 分布式深度学习实战
  • 7.1 TensorFlow深度学习框架
  • 7.1.1 TensorFlow原理和介绍
  • 7.1.2 TensorFlow安装部署
  • 7.2 MXNet深度学习框架
  • 7.2.1 MXNet原理和介绍
  • 7.2.2 MXNet安装部署
  • 7.3 神经网络算法
  • 7.3.1 多层感知器算法
  • 7.3.2 卷积神经网络
  • 7.3.3 循环神经网络
  • 7.3.4 长短期记忆神经网络
  • 7.3.5 端到端神经网络
  • 7.3.6 生成对抗网络
  • 7.3.7 深度强化学习
  • 7.3.8 TensorFlow分布式训练实战
  • 7.3.9 分布式TensorFlow on Kubernetes集群实战
  • 第8章 完整工业级系统实战
  • 8.1 推荐算法系统实战
  • 8.1.1 推荐系统架构设计
  • 8.1.2 推荐数据仓库集市
  • 8.1.3 ETL数据处理
  • 8.1.4 协同过滤用户行为挖掘
  • 8.1.5 ContentBase文本挖掘算法
  • 8.1.6 用户画像兴趣标签提取算法
  • 8.1.7 基于用户心理学模型推荐
  • 8.1.8 多策略融合算法
  • 8.1.9 准实时在线学习推荐引擎
  • 8.1.10 Redis缓存处理
  • 8.1.11 分布式搜索
  • 8.1.12 推荐Rerank二次重排序算法
  • 8.1.13 在线Web实时推荐引擎服务
  • 8.1.14 在线AB测试推荐效果评估
  • 8.1.15 离线AB测试推荐效果评估
  • 8.1.16 推荐位管理平台
  • 8.2 人脸识别实战
  • 8.2.1 人脸识别原理与介绍
  • 8.2.2 人脸识别应用场景
  • 8.2.3 人脸检测与对齐
  • 8.2.4 人脸识别比对
  • 8.2.5 人脸年龄识别
  • 8.2.6 人脸性别预测
  • 8.3 对话机器人实战
  • 8.3.1 对话机器人原理与介绍
  • 8.3.2 基于TensorFlow的对话机器人
  • 8.3.3 基于MXNet的对话机器人
  • 8.3.4 基于深度强化学习的机器人
  • 8.3.5 基于搜索引擎的对话机器人
  • 8.3.6 对话机器人的Web服务工程化
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。