2019年4月上旬值得一读的10本技术书籍(Python、大数据、深度学习等)!

  • 时间:
  • 浏览:1
  • 来源:大发3D_大发3D官网

内容简介:

内容简介:

内容简介:

2.《Kubernetes 进阶实战》

1.《KVM 实战:原理、进阶与性能调优》

作者:朱凯



内容简介:

本书分为另一另4个主要帕累托图。第一帕累托图介绍了数据湖的概念、企业中数据湖泊的重要性,以及 Lambda 架构的最新进展。第二帕累托图将深入研究使用 Lambda 架构构建数据湖的主要组件,介绍了许多流行的大数据技术,如 Apache Hadoop、Spark、Sqoop、Flume 和弹性搜索。第三帕累托图以实际操作的措施展示要怎样实现另一另4个企业数据湖,并介绍了几次实际的用例,但会 展示了要怎样将许多外围组件加上到湖中以提高数率。在本书的最后,读者将不能确定正确的大数据技术,使用 Lambda 架构模式来构建企业数据湖。

7.《面向自然语言处置的深度学习:用 Python 创建神经网络》

10余位数据挖掘领域专家和科研人员,10余年大数据挖掘咨询与实施经验结晶。

从数据挖掘的应用出发,以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线,深入浅出介绍Python数据挖掘建模过程,实践性极强。



内容简介:

作者:董西成

通过阅读本书,带你了解 NLP 中使用的深度学习概念以及神经网络模型示例,并帮助你在 TensorFlow 和 Keras 中使用叠加双向 LSTM 创建每个人的聊天机器人。

4.《Python 数据分析与挖掘实战》

结语:以上十本书是小编联合华章图书推荐给大家干货满满的技术书籍,祝大家阅读愉快,下次见喽。

阿里云和 Intel 的云计算与虚拟化技术专家联合撰写。

系统性、实战性兼备的 KVM 学习手册,从基本原理、实战进阶和性能优化另一另4个维度完正讲解 KVM 的各种技术细节

8.《企业级大数据平台构建:架构与实现》

作者:[印] 萨扬·穆霍帕迪亚(Sayan Mukhopadhyay)

本书对 RocketMQ 的核心技术架构,以及消息发送、消息存储、消息消费、消息过滤、顺序消息、主从同步(HA)、事务消息等主要功能模块的实现原理进行了深入分析,一齐展示了源码阅读的相关技巧;总结了极少量 RocketMQ 的使用技巧。通过阅读本书,读者将深入理解消息上方件和底层网络通信机制的核心知识点。

内容简介:

本书中有 的实例还须要要我法学会使用 NLTK(处置 NLP 任务的主要 Python 平台)完成自然语言处置的各种任务,中有 了自然语言理解、自然语言处置和句法分析等。

马哥教育CEO马哥(马永亮)撰写。基于K8S 1.12版本,透彻解析技术架构、组件应用、扩缩容、网络与存储策略,以及技术进阶等话题。

内容简介:

这是一部教你要怎样从0到1架构与实现另一另4个企业级大数据平台的著作,是作者在大数据和系统架构领域超过8000小时的经验总结。作者从横向视角出发,手把手教你要怎样拉通 Hadoop 体系技术栈,以此搭建另一另4个真实可用、安全可靠的大数据平台。通过阅读本书,一定能从本书的内容中找到灵感和思路来应对实际工作中面对的现象图片。

内容简介:



内容简介:

作者:任永杰 程舟

作者:[印] 克里希纳·巴夫萨(Krishna Bhavsar)

10.《RocketMQ技术内幕》



本书站在大数据落地应用的深度,系统阐述大数据从数据下发,到数据存储、分布式协调及资源管理、计算引擎、分析工具,再到数据可视化这俩完正流程,本书既中有 主要技术的实现原理及其框架,也中有 了具体落地指导,是帮助企业和每个人整体了解大数据框架不可多得的参考书。

作者:董西成

导语: 大家下发出2019年4月上旬值得一读的十本云计算 + 大数据技术书籍,在文羡春,阅读愉快。

6.《自然语言处置 Python 进阶》

本书由 RocketMQ 社区早期的布道者和技术专家撰写,Apache RocketMQ 创始人/Linux OpenMessaging 创始人兼主席/Alibaba Messaging 开源技术负责人冯嘉对其深度评价并作序推荐。



9.《大数据技术体系详解:原理、架构与实践》

作者:张良均、王路、谭立云、苏剑林等



作者:[印] 汤姆斯·约翰(Tomcy John),潘卡·米斯拉(Pankaj M)

3.《企业数据湖》

内容简介:

作者:马永亮



5.《Python 高级数据分析:机器学习、深度学习和 NLP 实例》

作者:[印] 帕拉什·戈雅尔(Palash Goyal)苏米特·潘迪(Sumit Pandey)卡兰·贾恩(Karan Jain)著

本书中有 数据分析实例,中有 了从基础统计学到 ETL、深度学习和物联网的广泛领域,给出了产业分析项目各个技术方面的概念。