我用夸克网盘分享了「轻松学大数据挖掘：算法、场景与数据产品.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

内容简介

伴随着大数据时代的发展，数据价值的挖掘以及产品化逐渐被重视起来。《轻松学大数据挖掘：算法、场景与数据产品》作为该领域的入门教程，打破以往的数据工具与技术的介绍模式，凭借作者在大数据价值探索过程中的所感所悟，以故事的形式和读者分享一个又一个的数据经历，引人深思、耐人寻味。《轻松学大数据挖掘：算法、场景与数据产品》共9章，第1～2章介绍数据情怀与数据入门；第3～6章讨论大数据挖掘相关的一系列学习体系；第7～9章为实践应用与数据产品的介绍。让所有学习大数据挖掘的朋友清楚如何落地，以及在整个数据生态圈所需要扮演的角色，全面了解数据的上下游。 《轻松学大数据挖掘：算法、场景与数据产品》可作为相关工作经验在3年以内的数据挖掘工程师、转型入门做大数据挖掘的人士或者对数据感兴趣的追逐者的轻松学习教程，引导大家有一个正确的学习方向，也可供对数据产品感兴趣的产品经理和数据挖掘工程师阅读参考。

作者简介

汪榕，是一个有大数据情怀的小学生，一直在践行自己对于数据价值的探索，分享自己成长过程中的所感所悟，为数据生态圈的健康发展，贡献自己的一份力量。

网友热评

钻石她怕: 作者的心路历程值得读。简介了Python。其他都比较乱。 Green: 开篇即兜售情怀，内容可想而知，也就绪论之流……

图书目录

第1章数据情怀篇1 1.1数据之禅1 1.2数据情怀1 1.2.1数据情怀这股劲2 1.2.2对数据情怀的理解2 1.3大数据时代的我们4 1.4成为DT时代的先驱者6 1.4.1数据没有寒冬6 1.4.2数据生态问题7 1.4.3健康的数据生态8 1.4.4结尾8 第2章数据入门9 2.1快速掌握SQL的基础语法9 2.1.1初识SQL9 2.1.2学会部署环境10 2.1.3常用的SQL语法（上篇）13 2.1.4常用的SQL语法（下篇）17 2.2在Windows7操作系统上搭建IPythonNotebook25 2.2.1学习Python的初衷25 2.2.2搭建IPythonNotebook26 2.2.3IPython.exeNotebook的使用说明27 2.2.4配置IPythonNotebook远程调用27 2.3快速掌握Python的基本语法30 2.4用Python搭建数据分析体系38 2.4.1构建的初衷38 2.4.2构建思路39 2.4.3开发流程39 2.5Python学习总结44 2.5.1关于Python45 2.5.2Python其他知识点45 第3章大数据工具篇48 3.1Hadoop伪分布式的安装配置48 3.1.1部署CentOS环境48 3.1.2部署Java环境50 3.1.3部署Hadoop伪分布式环境51 3.2数据挖掘中的MapReduce编程54 3.2.1学习MapReduce编程的目的54 3.2.2MapReduce的代码规范55 3.2.3简单的案例58 3.3利用MapReduce中的矩阵相乘60 3.3.1矩阵的概念60 3.3.2不同场景下的矩阵相乘61 3.4数据挖掘中的Hive技巧67 3.4.1面试心得67 3.4.2用Python执行HQL命令67 3.4.3必知的HQL知识69 3.5数据挖掘中的HBase技巧75 3.5.1知晓相关依赖包75 3.5.2从HBase中获取数据76 3.5.3往HBase中存储数据77 第4章大数据挖掘基础篇81 4.1MapReduce和Spark做大数据挖掘的差异81 4.1.1初识Hadoop生态系统81 4.1.2知晓Spark的特点83 4.1.3编程的差异性85 4.1.4它们之间的灵活转换88 4.1.5选择合适的工具89 4.2搭建大数据挖掘开发环境90 4.3动手实现算法工程99 4.3.1知晓SparkOnYarn的运作模式101 4.3.2创作第一个数据挖掘算法102 4.3.3如何理解“朴素”二字103 4.3.4如何动手实现朴素贝叶斯算法103 第5章大数据挖掘认知篇107 5.1理论与实践的差异107 5.2数据挖掘中的数据清洗110 5.2.1数据清洗的那些事110 5.2.2大数据的必杀技111 5.2.3实践中的数据清洗112 5.3数据挖掘中的工具包120 5.3.1业务模型是何物120 5.3.2想做一个好的模型121 第6章大数据挖掘算法篇123 6.1时间衰变算法123 6.1.1何为时间衰变123 6.1.2如何理解兴趣和偏好124 6.1.3时间衰变算法的抽象124 6.1.4采用Spark实现模型126 6.2熵值法130 6.2.1何为信息熵130 6.2.2熵值法的实现过程130 6.2.3业务场景的介绍132 6.2.4算法逻辑的抽象133 6.3预测响应算法136 6.3.1业务场景的介绍136 6.3.2构建模型的前期工作137 6.3.3常用的预测模型138 6.4层次分析算法140 6.5工程能力的培养与实践142 6.5.1工程能力的重要性142 6.5.2利用Python实现层次分析法144 第7章用户画像实践148 7.1用户画像的应用场景148 7.1.1背景描述148 7.1.2需求调研149 7.2用户画像的标签体系150 7.2.1需求分析151 7.2.2标签的构建151 7.3用户画像的模块化思维152 7.3.1何为模块化思维152 7.3.2用户画像与模块化思维153 7.4用户画像的工程开发154 7.4.1对于开发框架的选择154 7.4.2模块化功能的设计156 7.5用户画像的智能营销158 7.5.1业务营销158 7.5.2营销构思159 7.5.3技术难点160 第8章反欺诈实践篇162 8.1“羊毛党”监控的业务162 8.1.1“羊毛党”的定义与特点162 8.1.2“羊毛”存在的必然性163 8.1.3“羊毛党”的进化164 8.1.4“羊毛党”存在的利与弊165 8.1.5“羊毛党”监控平台的意义165 8.2“羊毛党”监控的设备指纹166 8.2.1何为设备指纹166 8.2.2底层参数167 8.2.3应用场景168 8.2.4移动端的数据持久化169 8.2.5设备指纹生成算法169 8.3“羊毛党”监控的数据驱动170 8.3.1监控的目的170 8.3.2数据如何“食用”172 8.4“羊毛党”监控的实践分享173 第9章大数据挖掘践行篇178 9.1如何从0到1转型到大数据圈子178 9.2数据挖掘从业者综合能力评估180 9.2.1度量的初衷180 9.2.2综合能力评估181 9.2.3个人指标体系（大数据挖掘）182 9.3给想要进入数据挖掘圈子的新人一点建议183 9.3.1诚信与包装184 9.3.2筹备能力185 9.3.3投好简历186 9.3.4把握面试186 9.3.5结尾187 后记数据价值探索与数据产品实践188