百人牛牛棋牌
未來架構:從服務化到云原生
  • 推薦0
  • 收藏3
  • 瀏覽683

未來架構:從服務化到云原生

張亮 (作者) 

  • 書  號:978-7-121-35535-6
  • 出版日期:2019-04-01
  • 頁  數:344
  • 開  本:16(185*235)
  • 出版狀態:上市銷售
  • 維護人:孫奇俏
電子書 ¥69.00
購買電子書
紙質版 ¥99.00

相關圖書

商業智能數據分析:基于Power BI 和Tableau

雷元 (作者)

本書以實際業務為背景,介紹市面上最流行的兩種自助型商業分析工具—— Power BI 和 Tableau的功能和特色。全書主要內容包括基本的商業數據分析基礎、B...

¥69.80

Flutter:從0到1構建大前端應用

何瑞君 (作者)

本書是Flutter從基礎入門到進階實戰的教程書,也是一本面向大前端的新技術書。Flutter是谷歌新推出的一個跨平臺的、開源的UI框架,同時支持iOS系統和A...

 

零基礎輕松學Python

馬文豪 (作者)

一本有趣、有用、好學的Python 編程書! 本書以通俗易懂的語言、好玩有趣的案例讓讀者輕輕松松、循序漸進地從零開始掌握 Python 3 編程。本書內容也...

 

Python數據可視化之matplotlib精進

劉大成 (作者)

本書使用大量的matplotlib實用案例講解Python數據可視化在各個應用方向上的實現方法。通過學習這些實用案例,讀者可以更好地掌握Python數據可視化的...

¥69.00

計算機科學中的數學:信息與智能時代的必修課

唐李洋 (作者)

本書講述了面向計算機科學與工程的數學理論知識,強調數學定義、證明及其應用方法。全書共五篇,其中第一篇由證明到數據類型,講述了數學分析的基本概念和知識;第二篇介紹...

 

Power BI商業數據分析項目實戰

武俊敏 (作者)

本書從Power BI的基礎功能講起,逐步深入到Power BI進階實戰,以業務案例為導向,以Power BI桌面版操作為基礎進行講解,深入講述Power BI...

¥79.80
互聯網架構不斷演化,經歷了從集中式架構到分布式架構,再到云原生架構的過程。云原生因能解決傳統應用升級緩慢、架構臃腫、無法快速迭代等問題而成了未來云端應用的目標。
本書首先介紹架構演化過程及云原生的概念,讓讀者對基礎概念有一個準確的了解,接著闡述分布式、服務化、可觀察性、容器調度、Service Mesh、云數據庫等技術體系及原理,并介紹相關的SkyWalking、Dubbo、Spring Cloud、Kubernetes、Istio等開源解決方案,最后深度揭秘開源分布式數據庫生態圈ShardingSphere的設計、實現,以及進入Apache基金會的歷程,非常適合架構師、云計算從業人員閱讀、學習。
對于分布式的理念闡述更加偏向于調度框架,輔以實戰,具有一定說服力。部分內容來源于作者的實際項目經歷,具有更強的實踐指導意義。
張亮
京東數科數據研發負責人,Apache ShardingSphere發起人兼PPMC成員。熱愛分享,擁抱開源,主張代碼優雅化,擅長以Java為主的分布式架構以及以Kubernetes和Mesos為主的云平臺的構建。ShardingSphere已進入Apache軟件基金會,是京東集團首個進入Apache的開源項目,也是Apache首個分布式數據庫中間件。

吳晟
Apache SkyWalking創始人及PPMC成員,Apache ShardingSphere原型作者及PPMC成員,Apache Zipkin貢獻者,Apache孵化器導師,CNCF基金會OpenTracing標準化委員會成員,W3C Trace Context規范貢獻者。擅長分布式架構、性能監控與診斷、分布式追蹤、云原生監控等領域。

敖小劍
具有十七年軟件開發經驗,資深碼農,微服務專家,Cloud?Native?擁護者,敏捷實踐者,Service?Mesh布道師,ServiceMesher中文社區聯合創始人。專注于基礎架構建設,對微服務、云計算等相關技術有著深入研究和獨到見解。

宋凈超
螞蟻金服云原生布道師,ServiceMesher中文社區聯合創始人,Kubernetes社區成員,Istio社區成員,《Cloud Native Go》《Python云原生》《云原生Java》等圖書譯者。
大約在2015 年,TalkingData 的數據科學部翻譯了博思艾倫咨詢公司(Booz Allen Hamilton)的The Field Guide to Data Science 作為內部參考資料,該資料立刻引發了全公司員工的關注,甚至有各行各業的客戶前來詢問是否有多余紙質資料可以送給他們學習。一時間,洛陽紙貴。
這份資料也在TalkingData 內部掀起了一股關于數據科學的討論熱潮。對于什么是數據科學、什么是數據科學家、什么是數據科學項目等關鍵問題,TalkingData 的內部知識管理系統Furion 上出現了一篇又一篇的討論熱帖。
隨著智能移動設備、可穿戴設備的用戶量不斷增加,以及工業大數據呈指數級增長,數據行業迎來了越來越多的挑戰,大數據、云計算、人工智能、區塊鏈、機器學習等熱詞也不斷出現。
數據科學作為一個早已存在于大數據領域但最近幾年才被關注的概念,與數據分析學(datalogy)、數據智能(data
intelligence)有著密不可分的關系。數據科學就像大數據、人工智能的“靈魂”,看不見、摸不著,卻常常在各種場合被提及。每個人似乎都在討論數據科學,但對于這個概念的理解卻各不相同。
例如,鄂維南院士認為,數據科學主要包括兩個方面:用數據的方法研究科學,以及用科學的方法研究數據。前者要用到生物信息學、天體信息學、數字地球等領域的知識,后者則涉及統計學、機器學習、數據挖掘、數據庫等領域的內容。這些學科都是數據科學的重要組成部分,只有把它們有機地整合在一起,才能看清數據科學的全貌。
另一些學者認為,數據科學是一個包含多學科知識的領域,專注于從大量原始數據和結構化數據中找到切實可行的解
決方案。數據科學專家將借助包括計算機科學、預測分析、統計學和機器學習等不同領域的知識,通過對海量數據集進行解析,努力為尚未被意識到的問題提供解決方案。數據科學家的主要目標是找出潛在的問題和解決之道,而不必找到具體的答案。
作為一個新興的學科,數據科學還很“年輕”,其邊界和具體研究內容還難以用一個公認的定義來描述。但是在數據行
業中,數據科學已經成為數據業務的“靈魂”,是實現數據價值的關鍵。通過對實際業務的探索,業界甚至已經有了專門的數據科學團隊、數據科學流程規范和數據科學工具,這個進度遠遠領先于數據科學的學術研究。
TalkingData 認為,數據科學是用來探索數據價值的,也是挖掘數據價值的核心手段。不同于其他業務,數據的價值不是一下子就能確定的,數據價值的挖掘依賴于不斷假設、分析、驗證、校準,是一個反復迭代的過程,數據科學具有一定的生命周期。
這個過程不僅要遵循科學的步驟,也要使用科學的工具,這樣才能保證結果的信效度和普適性。數據科學的實現需要借助一個符合數據科學流程的技術平臺,平臺上的工具也得是專業的,這樣才能找到數據最終的價值。常見的數據科學能力有數據科學探索、可交互的視覺化探索等,常見的數據科學工具有數據準備組件、可擴展的數據模型等。
可能并不是所有的企業都在經歷需要透徹了解數據科學的階段,也就是說,數據科學并不是萬能靈藥,因為企業處于數字化發展的不同階段,所面臨的數據問題是不一樣的。在企業數字化發展的初期,數據能力需求集中在整理、吸收、歸納、分析等方面,較小的數據團隊和簡單的數據分析方法即可滿足需求。但當企業積累了大量、多源、多維度的數據,并且需要挖掘數據的價值,形成新的數據產品時,數據科學就會變成企業的核心競爭力之一。
數據科學項目的實施需要技術支持,需要有明確的組織結構,更需要由特定的人來執行。一個典型的數據團隊一般由數據工程師、數據科學家、數據分析師、數據產品經理組成。
由于不同數據團隊所面對的工作對象不一樣,項目生命周期不一樣,溝通交流的范式和工作的產出也都很特別,所以數據團隊需要專門的工作流程、專業的協作工具,當然最重要的是要遵循專門的考核標準。基于以上幾點,本書試圖從實踐經驗的角度出發,從概念定義開始,將數據科學領域所涉及的人才、項目流程、工具、產出,以及關鍵注意事項娓娓道來,并輔以案例詳述,力圖幫助那些從事數據科學工作的人,以及即將在企業中引入數據科學的決策者梳理思路、整合資源,帶領他們通往業務成功的彼岸。
本書共分為三部分:第一部分將介紹數據科學工作開始前的必要準備事項,涉及數據安全與數據治理等;第二部分將從人才、數據、工具三個維度指導決策者啟動數據科學項目;第三部分將分享真實的數據科學實戰案例,為數據行業從業者提供實踐思路。
本書在寫作過程中,匯聚了TalkingData 的數據科學從業者們在實際工作中積累的行業經驗,因此在這里要感謝為本書提供專業知識和寶貴意見的專家們:感謝負責數據科學概述部分的專家孔元明和戴民,感謝數據安全領域的專家呂博卿,感謝數據治理領域的專家李想,感謝數據科學工具領域的專家張學波,感謝數據可視化領域的專家彭嘉,感謝精通數據科學流程的專家潘松柏、曾曉春,感謝精通數據科學實戰項目的專家李堃、王麗燕,感謝對全書進行審校的楊慧、謝若涵。
同時,本書在寫作過程中也得到眾多業內專家的指導。希望本書能夠成為數據科學從業者及對數據科學感興趣的人的
知識手冊,能夠隨時幫助來自企業、科研界的人們統一思想,形成共識。
愿數據科學與所有人同在!

目錄

第1 篇 數據科學項目之戰壕篇 ............................. 1
第1 章 數據科學項目的概念 .................................................... 2
1.1 數據科學概述 ................................................................ 2
1.2 數據科學項目概述 ........................................................ 9
1.3 數據科學項目的生命周期 .......................................... 11
第2 章 數據科學項目的前提:大數據安全與個人隱私保護 .............................................................................. 24
2.1 大數據安全面臨的挑戰 .............................................. 25
2.2 數據安全法律法規 ...................................................... 26
2.3 搭建大數據安全體系 .................................................. 28
第3 章 數據治理 ...................................................................... 46
3.1 為什么需要進行數據治理 .......................................... 46
3.2 數據治理中的常見模塊 .............................................. 49
3.3 數據治理的下游使用 .................................................. 52
第2 篇 數據科學項目之器械庫 ............................ 67
第4 章 數據科學項目團隊 ...................................................... 68
4.1 專業數據人才 .............................................................. 68
4.2 其他團隊人才 .............................................................. 78
4.3 團隊合作 ...................................................................... 79
第5 章 數據科學項目中的數據 .............................................. 83
5.1 數據的分類 .................................................................. 83
5.2 數據在各個行業中的應用 .......................................... 89
第6 章 數據科學項目的工具:數據科學平臺 .................... 103
6.1 數據科學平臺概述 .................................................... 103
6.2 為什么需要數據科學平臺 ........................................ 105
6.3 數據科學平臺中的基礎概念 .................................... 106
6.4 數據科學平臺的核心特性 ........................................ 112
6.5 數據科學平臺的分類 ................................................ 119
6.6 數據科學平臺使用指南 ............................................ 124
第3 篇 數據科學項目之實戰篇 .......................... 131
第7 章 數據科學項目管理流程 ............................................ 132
7.1 診斷:數據科學項目的起步 .................................... 135
7.2 組織:數據科學項目的保障 .................................... 138
7.3 行動:數據科學項目的核心 .................................... 142
7.4 評估:數據科學項目的升華 .................................... 148
第8 章 數據科學項目實戰案例 ............................................ 149
8.1 數據科學助力企業線上數字化轉型案例 ................ 149
8.2 AI 智能模型平臺助力產銷預測案例 ....................... 175

讀者評論

電子書版本

  • Epub

圖書類別

百人牛牛棋牌