Book description
透过Java编程学习,掌握实用的数据分析技巧,学会使用各种Java工具和库
Key Features
- 通过Java编程来引导读者更好地进行数据分析
- 深入理解数据分析,掌握实用的数据分析技术
Book Description
当今,数据科学已经成为一个热门的技术领域,例如数据处理、信息检索、机器学习、自然语言处理、数据可视化等都得到了广泛的应用和发展。而Java作为一门经典的编程语言,在数据科学领域也有着卓越的表现。
本书旨在通过Java编程来引导读者更好地进行数据分析。本书包含11章内容,详细地介绍了数据科学导论、数据预处理、数据可视化、统计、关系数据库、回归分析、分类分析、聚类分析、推荐系统、NoSQL数据库以及Java大数据分析等重要主题。
本书适合想通过Java解决数据科学问题的读者,也适合数据科学领域的专业人士以及普通的Java开发者阅读。通过阅读本书,读者将能够对数据分析有更加深入的理解,并且掌握实用的数据分析技术。
What you will learn
- 数据科学导论
- 数据预处理
- 数据可视化
- 统计
- 关系数据库
- 回归分析
- 分类分析
- 聚类分析
- 推荐系统
- NoSQL数据库
- Java大数据分析
- 机器学习算法
Who this book is for
程序开发人员、数据分析人员、计算机专业学生、Java工程师
Product information
- Title: Java数据分析指南
- Author(s):
- Release date: May 2024
- Publisher(s): Packt Publishing
- ISBN: 9781836201052
You might also like
book
微服务即学即用
微服务架构提供更快的更改速度,更好的可扩展性,更干净,可进化的系统设计。但是实现你的第一个微服务架构是困难的。你如何做出无数的选择,让你的团队了解所有的技术细节,并引导组织走向成功的执行,以最大限度地提高你的成功机会?在这本书中,本书作者为构建有效的微服务架构提供了一步一步的指导。 架构师和工程师将遵循基于已被证明适用微服务系统的技术和架构进行实现。你将构建一个操作模型、一个微服务设计、一个基础设施和两个正在工作的微服务,然后将这些部分放在一起作为一个实现。对于任何负责构建微服务或微服务架构的人来说,本书都是非常宝贵的。 学习有效和明确的端到端微服务系统设计。 定义团队、他们的职责以及共同工作的指导方针。 了解如何将大型应用程序分割成一组微服务。 研究如何将数据隔离并嵌入到相应的微服务中。 为基础架构更改构建一个简单但功能强大的CI/CD管道。 为示例微服务编写代码。 在Amazon上部署可正常工作的微服务应用程序Web服务。
book
Python高级编程(第2版)
使用Python3.5学习编码实践以及高级概念 Key Features 本书是Python的高级读物,它不是介绍如何使用Python编程,而是如何利用Python更好地编程,教会读者提高编程技能。 Book Description Python作为一种高级程序设计语言,凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言之一。 本书基于Python 3.5版本进行讲解,通过13章的内容,深度揭示了Python编程的高级技巧。本书从Python语言及其社区的现状开始介绍,对Python语法、命名规则、Python包的编写、部署代码、扩展程序开发、管理代码、文档编写、测试开发、代码优化、并发编程、设计模式等重要话题进行了全面系统化的讲解。 本书适合想要进一步提高自身Python编程技能的读者阅读,也适合对Python编程感兴趣的读者参考学习。全书结合典型且实用的开发案例,可以帮助读者创建高性能的、可靠且可维护的Python应用。 What you will learn 了解在Python社区中广泛采用的约定和最佳实践; 高效打包Python代码,以便将其应用于社区和生产; …
book
流畅的Python(第2版)
不要浪费时间让Python屈就你在其他语言中学到的模式。Python的简洁性有助于你迅速提升编程效率,但这通常意味着你并未使用它所提供的所有功能。《流畅的Python》是编程领域的实用经典参考书,第2版做了与时俱进的修订和升级,教你利用Python特性,写出高效且现代的Python 3代码。 打破旧有经验,探索并运用地道的Python 3特性。本书作者带你一览Python语言核心功能和库,教你编写更简洁、快速和易读的代码。 第2版分为如下五部分,每一部分均可单独成书。 数据结构:序列、字典、集合、Unicode和数据类。 函数即对象:一等函数、相关设计模式和函数声明中的类型提示。 类和协议:组合、继承、混入、接口、运算符重载、协议和更多静态类型。 控制流:上下文管理器、生成器、协程、async/await及线程和进程池。 元编程:特性、属性描述符、类装饰器,以及可取代或简化元类的类元编程新钩子。
book
Spark机器学习实战
学习实用的机器学习算法,并用Spark快速动手实践 Key Features 步骤清晰,讲解细致,适合读者边学边做 提供Apache Spark机器学习API的全面解决方案 Book Description 机器学习是一门多领域交叉学科,可以通过模拟来让计算机获取新的知识或技能。Apache Spark是一种通用大数据框架,也是一种近实时弹性分布式计算和数据虚拟化技术,Spark使人们可以大规模使用机器学习技术,而无须在专用数据中心或硬件上进行大量投资。 本书提供了Apache Spark机器学习API的全面解决方案,不仅介绍了用Spark完成机器学习任务所需的基础知识,也涉及一些Spark机器学习的高级技能。全书共有13章,从环境配置讲起,陆续介绍了线性代数库、数据处理机制、构建机器学习系统的常见攻略、回归和分类、用Spark实现推荐引擎、无监督学习、梯度下降算法、决策树和集成模型、数据降维、文本分析和Spark Steaming的使用。 本书是为那些掌握了机器学习技术的Scala开发人员准备的,尤其适合缺乏Spark实践经验的读者。本书假定读者已经掌握机器学习算法的基础知识,并且具有使用Scala实现机器学习算法的一些实践经验。但不要求读者提前了解Spark ML库及其生态系统。 What …