学习大数据技术,从优秀的书籍开始

例如传统的单层感知器模型、多层感知器模型,以及卷积神经网络、循环神经网络、受限玻耳兹曼机、深度信念网络等一些更为复杂的模型;构建深度学习模型的实验设计方法以及实验过程中的特征选择方法;应用R语言进行机器学习和深度学习实践的案例。

AI时代全面来临,大数据、人工智能引领科技创新潮流,获得国家政策大力支持,前景广阔。乘风破浪、逐梦前行,成功就在脚下。学习大数据技术,除了必要的大数据学习路线图的指引之外,想要进一步提升至自己的技术,就要从优秀的书籍开始读起,书读百遍其义自见!

对于大数据技术的学习,千锋老师为你甄选了以下学习大数据的优秀书籍,为了自己的高薪未来,收起游戏,开始阅读吧!

一、《Effective Java中文版》(第2版)

本书为我们带来了共78条程序员必备的经验法则,针对你每天都会遇到的编程问题提出了有效、实用的解决方案。

这本经典Jolt获奖作品实属众望所归。作者对新版进行了彻底的更新。涵盖了自第l版之后所引入的Java E5和Java SE 6的特性,同时开发了新的设计模式和语言习惯用法,介绍了如何充分利用从泛型到枚举、从注解到自动装箱的各种特性。

书中的每一章都包含几个“条目”,以简洁的形式呈现,自成独立的短文,它们提出了具体的建议,对于Java平台精妙之处的独到见解,以及优秀的代码范例。每个条目的综合描述和解释都阐明了应该怎么做,不应该怎么做,以及为什么。

二、《深度学习:R语言实践指南》

本书内容主要涉及:深度学习的数学理论基础,包括重要的统计学和线性代数的相关基本概念和知识;深度学习的各种典型模型,例如传统的单层感知器模型、多层感知器模型,以及卷积神经网络、循环神经网络、受限玻耳兹曼机、深度信念网络等一些更为复杂的模型;构建深度学习模型的实验设计方法以及实验过程中的特征选择方法;应用R语言进行机器学习和深度学习实践的案例。

机器学习领域资深工程师撰写,TensorFlow高效学习指南。面向广泛的技术受众(从数据科学家、工程师到学生和研究人员),本书介绍了TensorFlow的基本原理和实践方法。从TensorFlow中的一些基本示例开始,深入探讨诸如神经网络体系结构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题。

四、《Spark机器学习:核心技术与实践》

以实践方式助你掌握Spark机器学习技术。本书采用理论与大量实例相结合的方式帮助开发人员掌握使用Spark进行分析和实现机器学习算法。通过这些示例和Spark在各种企业级系统中的应用,帮助读者解锁Spark机器学习算法的复杂性,通过数据分析产生有价值的数据洞察力。

五、《Docker技术入门与实战》(第3版)

入门Docker的首本书,系统化掌握容器技术栈。本书从Docker基本原理开始,深入浅出地讲解Docker的构建与操作,内容系统全面,可帮助开发人员、运维人员快速部署Docker应用。

大数据是互联网发展的方向,大数据人才是未来的高薪贵族。祝愿每一位正在学习大数据的小伙伴都能成就自己的高薪未来!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181102A0M0R800?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券