楼主: binok11
2770 9

[数据挖掘书籍] Taming the Big Data Tidal Wave: Finding Opportunities in Huge Data Streams wit [推广有奖]

  • 1关注
  • 9粉丝

博士生

54%

还不是VIP/贵宾

-

威望
0
论坛币
10113 个
通用积分
3.9601
学术水平
49 点
热心指数
48 点
信用等级
43 点
经验
12019 点
帖子
183
精华
1
在线时间
199 小时
注册时间
2011-11-27
最后登录
2021-2-8

相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
Taming the Big Data Tidal Wave.rar (3.92 MB, 需要: 1000 个论坛币) 本附件包括:
  • Taming the Big Data Tidal Wave - Bill Franks.epub
  • Taming the Big Data Tidal Wave - Bill Franks.pdf

转换成PDF效果不太好所以把源文件也放上去了  用calibre看就一点问题没有


目录

Table of Contents
Cover
Additional praise for Taming the Big Data Tidal Wave
Wiley & SAS Business Series
Title page
Copyright page
Dedication
Foreword
Preface
Acknowledgments

                PART ONE: The Rise of Big Data   


CHAPTER 1: What Is Big Data and Why Does It Matter?
        WHAT IS BIG DATA?
        IS THE “BIG” PART OR THE “DATA” PART MORE IMPORTANT?
        HOW IS BIG DATA DIFFERENT?
        HOW IS BIG DATA MORE OF THE SAME?
        RISKS OF BIG DATA
        WHY YOU NEED TO TAME BIG DATA
        THE STRUCTURE OF BIG DATA
        EXPLORING BIG DATA
        MOST BIG DATA DOESN’T MATTER
        FILTERING BIG DATA EFFECTIVELY


CHAPTER 2: Web Data: The Original Big Data
        WEB DATA OVERVIEW
        WHAT WEB DATA REVEALS
        WEB DATA IN ACTION
        WRAP-UP


CHAPTER 3: A Cross-Section of Big Data Sources and the Value They Hold
        AUTO INSURANCE: THE VALUE OF TELEMATICS DATA
        MULTIPLE INDUSTRIES: THE VALUE OF TEXT DATA
        MULTIPLE INDUSTRIES: THE VALUE OF TIME AND LOCATION DATA
        RETAIL AND MANUFACTURING: THE VALUE OF RADIO FREQUENCY IDENTIFICATION DATA
        UTILITIES: THE VALUE OF SMART-GRID DATA
        GAMING: THE VALUE OF CASINO CHIP TRACKING DATA
        INDUSTRIAL ENGINES AND EQUIPMENT: THE VALUE OF SENSOR DATA
        VIDEO GAMES: THE VALUE OF TELEMETRY DATA
        TELECOMMUNICATIONS AND OTHER INDUSTRIES: THE VALUE OF SOCIAL NETWORK DATA
        WRAP-UP


                PART TWO: Taming Big Data: The Technologies, Processes, and Methods

CHAPTER 4: The Evolution of Analytic Scalability
        A HISTORY OF SCALABILITY
        THE CONVERGENCE OF THE ANALYTIC AND DATA ENVIRONMENTS
        MASSIVELY PARALLEL PROCESSING SYSTEMS
        CLOUD COMPUTING
        GRID COMPUTING
        MAPREDUCE
        IT ISN’T AN EITHER/OR CHOICE!
        WRAP-UP
CHAPTER 5: The Evolution of Analytic Processes
        THE ANALYTIC SANDBOX
        WHAT IS AN ANALYTIC DATA SET?
        ENTERPRISE ANALYTIC DATA SETS
        EMBEDDED SCORING
        WRAP-UP
CHAPTER 6: The Evolution of Analytic Tools and Methods
        THE EVOLUTION OF ANALYTIC METHODS
        THE EVOLUTION OF ANALYTIC TOOLS
        WRAP-UP
               
                PART THREE: Taming Big Data: The People and Approaches

CHAPTER 7: What Makes a Great Analysis?
        ANALYSIS VERSUS REPORTING
        ANALYSIS: MAKE IT G.R.E.A.T.!
        CORE ANALYTICS VERSUS ADVANCED ANALYTICS
        LISTEN TO YOUR ANALYSIS
        FRAMING THE PROBLEM CORRECTLY
        STATISTICAL SIGNIFICANCE VERSUS BUSINESS IMPORTANCE
        SAMPLES VERSUS POPULATIONS
        MAKING INFERENCES VERSUS COMPUTING STATISTICS
        WRAP-UP
CHAPTER 8: What Makes a Great Analytic Professional?
        WHO IS THE ANALYTIC PROFESSIONAL?
        THE COMMON MISCONCEPTIONS ABOUT ANALYTIC PROFESSIONALS
        EVERY GREAT ANALYTIC PROFESSIONAL IS AN EXCEPTION
        THE OFTEN UNDERRATED TRAITS OF A GREAT ANALYTIC PROFESSIONAL
        IS ANALYTICS CERTIFICATION NEEDED, OR IS IT NOISE?
        WRAP-UP
CHAPTER 9: What Makes a Great Analytics Team?
        ALL INDUSTRIES ARE NOT CREATED EQUAL
        JUST GET STARTED!
        THERE’S A TALENT CRUNCH OUT THERE
        TEAM STRUCTURES
        KEEPING A GREAT TEAM’S SKILLS UP
        WHO SHOULD BE DOING ADVANCED ANALYTICS?
        WHY CAN’T IT AND ANALYTIC PROFESSIONALS GET ALONG?
        WRAP-UP

                PART FOUR: Bringing It Together: The Analytics Culture

CHAPTER 10: Enabling Analytic Innovation
        BUSINESSES NEED MORE INNOVATION
        TRADITIONAL APPROACHES HAMPER INNOVATION
        DEFINING ANALYTIC INNOVATION
        ITERATIVE APPROACHES TO ANALYTIC INNOVATION
        CONSIDER A CHANGE IN PERSPECTIVE
        ARE YOU READY FOR AN ANALYTIC INNOVATION CENTER?
        WRAP-UP
CHAPTER 11: Creating a Culture of Innovation and Discovery
        SETTING THE STAGE
        OVERVIEW OF THE KEY PRINCIPLES
        WRAP-UP
Conclusion: Think Bigger!
About the Author
Index



二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:Big data Finding streams taming Stream Business 源文件

本帖被以下文库推荐

沙发
yger 在职认证  发表于 2013-3-12 10:57:15 |只看作者 |坛友微信交流群
看下

使用道具

藤椅
incomplete 发表于 2013-3-12 11:17:53 |只看作者 |坛友微信交流群
1000论坛币……

使用道具

板凳
hbhjhf 在职认证  发表于 2013-4-11 10:17:02 |只看作者 |坛友微信交流群
没几个买得起

使用道具

报纸
xiaozuwei 在职认证  发表于 2013-5-20 12:14:03 |只看作者 |坛友微信交流群
我电脑里有这本书,epub版的,我鄙视挂1000论坛币的楼主

使用道具

地板
selfswim 在职认证  发表于 2013-7-4 09:12:25 |只看作者 |坛友微信交流群
唉,卖这个价何必把书放出来呢

使用道具

7
fankaiqing 在职认证  发表于 2013-9-18 09:27:13 |只看作者 |坛友微信交流群
超级鄙视。
fankaiqing

使用道具

8
jgchen1966 发表于 2013-9-18 20:03:52 |只看作者 |坛友微信交流群
A 股有2400 支股票:如以年为研究之:2400个观察
                                 以季为研究之:2400*4个
                                 以月y为研究之:2400*12个
                                 以日为研究之:2400*250个
                                 以小时研究之:2400*250*4
                                  以5分钟研究之:2400*250*4*12
Big data 就是这样产生的???
      再考虑以变量:x1,x2,...........
                           x1*x2,x2*x3..........
                           x1*x2*x3,x2*x3*x4...........
                           f1(x1,x2,....),f2(x1,x2,...)..........
                           .............................................
   如此便为“无限量数据”
   如果我们不限制我们的研究范围,我们实质早已到了“无限量数据”时代,
但是,不限制研究范围,按学习理论,我们是不可能学的,如VC 理论所认证的
  如果数据来自同一分布:我们只要抽取10%,1%或0.1%既可学  大数据也变成小数据
   如果数据分布如同鬼怪出没不定,学习又有何用。。。
   
鹑居鷇食,鸟行无彰

使用道具

9
jgchen1966 发表于 2013-9-18 20:06:36 |只看作者 |坛友微信交流群

A 股有2400 支股票:如以年为研究之:2400个观察
                                 以季为研究之:2400*4个
                                 以月y为研究之:2400*12个
                                 以日为研究之:2400*250个
                                 以小时研究之:2400*250*4
                                  以5分钟研究之:2400*250*4*12
Big data 就是这样产生的???
      再考虑以变量:x1,x2,...........
                           x1*x2,x2*x3..........
                           x1*x2*x3,x2*x3*x4...........
                           f1(x1,x2,....),f2(x1,x2,...)..........
                           .............................................
   如此便为“无限量数据”
   如果我们不限制我们的研究范围,我们实质早已到了“无限量数据”时代,
但是,不限制研究范围,按学习理论,我们是不可能学的,如VC 理论所认证的
  如果数据来自同一分布:我们只要抽取10%,1%或0.1%既可学  大数据也变成小数据
   如果数据分布如同鬼怪出没不定,学习又有何用。。。
   
鹑居鷇食,鸟行无彰

使用道具

10
idiot99 发表于 2016-8-24 16:50:29 |只看作者 |坛友微信交流群
what a sb ahahaah

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-5-6 20:59