数据工程师必备的云计算技术
全新正版 极速发货
¥
46.27
6.7折
¥
69
全新
库存2件
作者[美]挪亚·吉夫特
出版社机械工业出版社
ISBN9787111690719
出版时间2020-03
装帧平装
开本16开
定价69元
货号31263811
上书时间2024-06-29
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
挪亚·吉夫特(NoahGift),加州大学戴维斯分校管理研究生院MSBA项目的讲师和顾问。Noah拥有大约20年的Python编程经验,是Python软件基金会成员。他曾在多家公司担任过首席技术官、总经理、咨询首席技术官和云架构师。目前,他正在为初创企业和其他公司提供机器学习和云架构方面的咨询,并通过NoahGiftConsulting从事CTO级别的咨询工作。他已经出版了近100种技术出版物,其中包括两本关于从云机器学习到DevOps的书籍。他还是一名已认证的AWS解决方案架构师。
目录
前 言<br/>第1章 开始 1<br/>1.1 有效的异步技术讨论 1<br/>1.1.1 可复制代码 1<br/>1.1.2 音频、视频和图像 5<br/>1.1.3 制作一次,重复使用多次 6<br/>1.1.4 技术讨论作为一种主动学习的形式 6<br/>1.1.5 结论 6<br/>1.1.6 练习:创造技术性帖子 6<br/>1.2 有效的异步技术项目管理 7<br/>1.2.1 为什么软件项目失败了 7<br/>1.2.2 如何按时交付高质量的软件 7<br/>1.2.3 其他高失败率的例子 9<br/>1.2.4 练习:为最终项目创建一个技术项目计划 10<br/>1.3 上AWS、GCP和Azure云 10<br/>1.3.1 AWS 10<br/>1.3.2 微软的Azure 12<br/>1.3.3 GCP 16<br/>1.3.4 练习:设置CI云 18<br/>1.3.5 练习:上云实验室 19<br/>1.3.6 高级案例研究:使用Docker和CircleCI从零开始建立云环境持续集成 19<br/>1.3.7 使用Docker容器来扩展Makefile的使用 23<br/>1.4 总结 24<br/>1.5 其他相关资源 25<br/>第2章 云计算基础 26<br/>2.1 为什么应该考虑使用基于云的开发环境 26<br/>2.2 云计算概述 27<br/>2.2.1 云计算的经济效益 27<br/>2.2.2 云服务模型:SaaS、PaaS、IaaS、MaaS、Serverless 27<br/>2.3 PaaS持续交付 29<br/>2.3.1 谷歌应用引擎和云构建持续交付 29<br/>2.3.2 建立多种类型的网站 36<br/>2.3.3 练习:创建四个网站 39<br/>2.4 基础设施即代码 39<br/>2.5 什么是持续交付和持续部署 40<br/>2.6 从零开始持续交付Hugo静态站点 40<br/>2.7 总结 60<br/>第3章 虚拟化、容器化和弹性化 61<br/>3.1 弹性资源 61<br/>3.2 容器:Docker 63<br/>3.2.1 Docker入门 63<br/>3.2.2 容器的真实例子 65<br/>3.2.3 运行Docker容器 66<br/>3.2.4 容器注册表 69<br/>3.2.5 在AWS Cloud9上从零开始构建容器化应用 69<br/>3.2.6 练习:在AWS Cloud9中构建Hello World容器 72<br/>3.3 Kubernetes 72<br/>3.3.1 安装Kubernetes 73<br/>3.3.2 Kubernetes概述 73<br/>3.3.3 自动伸缩的Kubernetes 77<br/>3.3.4 云中的Kubernetes 78<br/>3.3.5 混合云和多云Kubernetes 78<br/>3.3.6 Kubernetes总结 79<br/>3.4 运行微服务概述 79<br/>3.4.1 创建有效的报警 82<br/>3.4.2 Prometheus入门 84<br/>3.4.3 使用Flask创建Locust负载测试 86<br/>3.4.4 微服务的无服务器最佳实践、灾难恢复和备份 88<br/>3.5 练习:运行Kubernetes Engine 89<br/>3.6 总结 90<br/>第4章 分布式计算的挑战和机遇 91<br/>4.1 最终一致性 91<br/>4.2 CAP定理 92<br/>4.3 阿姆达尔定律 92<br/>4.4 弹性 93<br/>4.5 高可用 93<br/>4.6 摩尔定律的终结 94<br/>4.7 ASIC:GPU、TPU、FPGA 95<br/>4.7.1 ASIC、CPU与GPU 95<br/>4.7.2 使用GPU和JIT 97<br/>4.7.3 练习:GPU编程 100<br/>4.8 总结 100<br/>第5章 云存储 101<br/>5.1 云存储类型 101<br/>5.2 数据治理 103<br/>5.3 云数据库 104<br/>5.4 键-值数据库 105<br/>5.5 图形数据库 106<br/>5.5.1 为什么不是关系型数据库而是图形数据库 107<br/>5.5.2 AWS Neptune 107<br/>5.5.3 Neo4j 108<br/>5.5.4 大数据的三个“V” 116<br/>5.6 批处理数据与流数据和机器学习 117<br/>5.7 云数据仓库 118<br/>5.8 GCP BigQuery 118<br/>5.9 AWS Redshift 123<br/>5.9.1 Redshift工作流中的关键操作 123<br/>5.9.2 AWS Redshift总结 124<br/>5.10 总结 124<br/>第6章 无服务器ETL技术 125<br/>6.1 AWS Lambda 125<br/>6.2 使用AWS Cloud9开发AWS Lambda函数 128<br/>6.2.1 构建一个API 128<br/>6.2.2 构建一个无服务器数据工程管道 129<br/>6.2.3 使用AWS Lambda在AWS S3桶上实现计算机视觉 130<br/>6.2.4 练习:AWS Lambda Step Function 130<br/>6.3 函数即服务 131<br/>6.4 AWS Lambda的Chalice框架 132<br/>6.5 谷歌云函数 133<br/>6.6 Azure Flask无服务器机器学习 141<br/>6.7 Cloud ETL 142<br/>6.8 使用ETL从零开始构建社交网络的现实问题 143<br/>6.8.1 冷启动问题 143<br/>6.8.2 从零开始构建社交网络机器学习管道 144<br/>6.8.3 案例研究:如何构建一个新闻提要 146<br/>6.9 总结 146<br/>第7章 可管理的机器学习系统 147<br/>7.1 Jupyter Notebook工作流 147<br/>7.2 AWS Sagemaker概述 152<br/>7.2.1 AWS Sagemaker弹性架构 152<br/>7.2.2 练习:使用Sagemaker 152<br/>7.3 Azure ML Studio概述 154<br/>7.4 谷歌AutoML计算机视觉 154<br/>7.5 总结 155<br/>第8章 数据科学案例研究和项目 156<br/>第9章 随笔 163<br/>9.1 为什么在2029年前将不会有数据科学这个职位 163<br/>9.2 利用教育的拆分 165<br/>9.3 垂直集成的AI栈将如何影响IT机构 168<br/>9.4 notebook来了 170<br/>9.5 云原生机器学习和AI 172<br/>9.6 到2021年会培训100万人 174<br/>9.6.1 高等教育的现状将会被打破 175<br/>9.6.2 地方就业市场将会被打破 179<br/>9.6.3 招聘流程的打破 180<br/>9.6.4 为什么学习云计算不同于学习编程 180<br/>9.7 总结 180<br/>第10章 职业规划 182<br/>10.1 成为三项全能选手才能获得一份工作 182<br/>10.2 如何为数据科学和机器学习工程建立作品集 182<br/>10.3 如何学习 183<br/>10.4 pear收益策略 184<br/>10.5 远程优先(掌握异步工作) 188<br/>10.6 找工作:不要攻城拔寨,要走<br/> 边门 188<br/>结语 188
内容摘要
本书以项目为基础,全面介绍如何将云计算应用于数据分析,内容涵盖大数据和机器学习。首先讨论异步技术并介绍云计算基础知识以及虚拟化、容器化和弹性化,然后讨论分布式计算、无服务器ETL技术和可管理的机器学习系统,还展示了数据科学案例研究,作者还分享了一些见解以及对职业化规划的建议。本书包含大量的实践作业,使用了丰富的资源,包括Python在云平台(谷歌、AWS、Azure)上的交互式实验室。
— 没有更多了 —
以下为对购买帮助不大的评价