【每周一本书】之《白话大数据与机器学习》

我们已经进入了全新的数据时代，大数据、云计算、物联网、机器学习、人工智能等等一系列技术纷至沓来，数据的管理和应用已经渗透到每一个行业和业务领域，成为当今以及未来商业运作的基础资产。可以说，只有掌握数据并善于运用数据的人，才会在竞争日益激烈的环境中寻得先机

编辑 | abby

官网 | www.datayuan.cn

微信公众号ID | datayuancn

我们已经进入了全新的数据时代，大数据、云计算、物联网、机器学习、人工智能等等一系列技术纷至沓来，数据的管理和应用已经渗透到每一个行业和业务领域，成为当今以及未来商业运作的基础资产。可以说，只有掌握数据并善于运用数据的人，才会在竞争日益激烈的环境中寻得先机。

那么我们该怎么样学习大数据分析、机器学习以及人工智能？《白话大数据与机器学习》的作者认为，学习大数据、机器学习和人工智能，所需的知识分为五个层次：

一是数学知识；

二是统计学知识；

三是算法知识；

四是工具知识；

五是哲学思想知识。

所谓工具知识，就是我们需要借助计算机软件来完成相关的分析和运算，目前大数据和机器学习领域热门的语言就是 R 和 Python。

而今天小编要为大家推荐的《白话大数据与机器学习》正是一本系统学习大数据与机器学习的入门级图书。

本书是资深大数据专家多年实战经验总结，开启了大数据与机器学习妙趣之旅。以降低学习曲线和阅读难度为宗旨，系统讲解统计学、数据挖掘算法、实际应用案例、数据价值与变现，以及高级拓展技能，并清晰勾勒出大数据技术路线与产业蓝图。

全书共分为18个章节：

第1～5章：大数据入门所需的系统性知识，剖析大数据产业、数据与信息算法等的关系，妙解数学基础（排列组合、概率、统计与分布），以及指标化运营及体系构建。这部分补足读者的产业与相关概念认知，以及所需的数学知识。为下面的数据挖掘算法的理解与应用夯实基础。

第6～8章：介绍了数据挖掘基础知识与算法，讲解了与数据息息相关的信息论。其中重点讲解了：多维向量空间（向量和维度、矩阵及其计算、上卷和下钻）、
回归（线性回归、残差分析、拟合相关问题）、聚类（K-Means算法、有趣模式、孤立点、层次与密度聚类，聚类的评估等）、分类（朴素贝叶斯、决策树归纳、*森林、隐马尔科夫模型、SVM、遗传算法）。

第11～18章：介绍生产应用与高级扩展。其中第11～15章介绍生产应用实践，涵盖关联分析、用户画像、推荐算法、文本挖掘、人工神经网络，这些也是工业界和学术界研究的热点。第16章讲解了著名的大数据框架及其安装与配置，如Hadoop、Spark、Cassandra、PrestoDB。第17章从速度与稳定性维度介绍了大数据系统的架构与调优。第18章则从数据运营、评估、展现与变现场景层面进行了解读。

附录部分给出了大数据平台运行可能需要的软件和库，以及群众如何看待炙手可热的大数据。