機器學習大數據平臺的構建.任務實現與數據治理-使用Azure.DevOps.MLOps 9787302657637 弗拉

圖書均為代購,正常情形下,訂後約兩周可抵台。
物品所在地:中國大陸
原出版社:清華大學
NT$623
商品編號:
供貨狀況: 尚有庫存

此商品參與的優惠活動

加入最愛
商品介紹
*完成訂單後正常情形下約兩周可抵台
*本賣場提供之資訊僅供參考,以到貨標的為正確資訊。
印行年月:202404*若逾兩年請先於私訊洽詢存貨情況,謝謝。
台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。
書名:機器學習大數據平臺的構建.任務實現與數據治理-使用Azure.DevOps.MLOps
ISBN:9787302657637
出版社:清華大學
著編譯者:弗拉德.里斯庫蒂亞
頁數:288
所在地:中國大陸 *此為代購商品
書號:1638107
可大量預訂,請先連絡。

【台灣高等教育出版社簡體書】 機器學習大數據平臺的構建.任務實現與數據治理-使用Azure.DevOps.MLOps 787302657637 弗拉德.里斯庫蒂亞

內容簡介

你需要構建安全、穩定的數據平台,需要可以擴展到任何規模的工作負載。當項目從實驗室進入生產環境時,你需要確信它可以應對現實工作中的挑戰。本書能夠幫助你實現這些需求,將講述如何設計和實現基於雲的、可以輕鬆監控、擴展和修改的數據基礎設施。 通過本書,你將學到構建和維護大型企業大數據平台所需的技能。書中包括設置基礎設施、編排、工作負載和治理,寫作風格清晰、實用。在學習過程中,你將建立高效的機器學習管道,然後掌握省時的自動化和DevOps解決方案。書中基於Azure的示例很容易在其他雲平台上實現。 主要內容: 數據字典和數據治理; 數據質量管控、合規和分發; 構建自動化管道以提高可靠性; 數據攝取、存儲和分發; 支持生產環境中的數據建模、分析和機器學習。 讀者對象: 本書面向數據工程師,講述如何使用雲計算和DevOps進行數據工程。

作者簡介

葉偉民,廣州 NET技術俱樂部主席、中國香港Azure/ NET技術俱樂部創始人兼主席、 NET社區聯盟建設者,在 NET編程領域有15年工作經驗。

目錄

第1章 簡介
1 1 什麼是數據工程
1 2 本書讀者對象
1 3 什麼是數據平台
1 3 1 數據平台的構成
1 3 2 基礎設施即代碼,無代碼基礎設施
1 4 使用雲構建
1 4 1 IaaS、PaaS和SaaS
1 4 2 網路、存儲和計算
1 4 3 如何使用Azure
1 4 4 與Azure交互
1 5 實現Azure數據平台
1 6 本章小結
第Ⅰ部分 基礎設施
第2章 存儲
2 1 在數據平台中存儲數據
2 1 1 跨多個數據織物存儲數據
2 1 2 SSOT
2 2 Azure Data Explorer簡介
2 2 1 部署Azure Data Explorer集群
2 2 2 使用Azure Data Explorer
2 2 3 解決查詢限制問題
2 3 Azure Data Lake Storage簡介
2 3 1 創建Azure Data Lake Storage賬戶
2 3 2 使用Azure Data Lake Storage
2 3 3 集成Azure Data Explorer
2 4 數據攝取
2 4 1 數據攝取頻率
2 4 2 載入類型
2 4 3 數據重建和重新載入
2 5 本章小結
第3章 DevOps
3 1 什麼是DevOps
3 2 Azure DevOps簡介
3 3 部署基礎設施
3 3 1 導出Azure Resource Manager模板
3 3 2 創建Azure DevOps服務連接
3 3 3 部署Azure Resource Manager模板
3 3 4 理解Azure Pipelines
3 4 部署Azure Data Explorer對象和分析
3 4 1 使用Azure DevOps市場擴展
3 4 2 將所有內容都存儲在Git並自動部署所有內容
3 5 本章小結
第4章 編排
4 1 導入Bing COVID-19開放數據集
4 2 Azure Data Factory簡介
4 2 1 設置數據源
4 2 2 設置數據接收器
4 2 3 設置管道
4 2 4 設置觸發器
4 2 5 使用Azure Data Factory進行編排
4 3 Azure Data Factory的DevOps
4 3 1 從Git部署Azure Data Factory
4 3 2 設置訪問控制
4 3 3 部署生產環境的Azure Data Factory
4 3 4 小結
4 4 使用Azure Monitor進行監控
4 5 本章小結
第Ⅱ部分 具體的工作任務
第5章 數據處理
5 1 數據建模技術
5 1 1 規範化和反規範化
5 1 2 數據倉庫
5 1 3 半結構化數據
5 1 4 小結
5 2 身份鑰匙環
5 2 1 構建身份鑰匙環
5 2 2 理解鑰匙環
5 3 時間線
5 3 1 構建時間線視圖
5 3 2 使用時間線
5 4 應用DevOps以保證數據處理能夠按計劃可靠地運行
5 4 1 使用Git追蹤和處理函數
5 4 2 使用Azure Data Factory構建鑰匙環
5 4 3 擴展規模
5 5 本章小結
第6章 數據分析
6 1 開發環境和生產環境分離下如何訪問數據
6 1 1 對生產數據處理后再部分複製到開發環境
6 1 2 將生產數據完全複製到開發環境
6 1 3 在開發環境中提供生產數據的只讀視圖
6 1 4 小結
6 2 設計數據分析的工作流程
6 2 1 原型
6 2 2 開發和用戶驗收測試
6 2 3 生產環境
6 2 4 小結
6 3 讓數據科學家能夠自助移動數據
6 3 1 基本原則和相關背景
6 3 2 數據合約
6 3 3 管道驗證
6 3 4 事後分析
6 3 5 小結
6 4 本章小結
第7章 機器學習
7 1 訓練一個機器學習模型
7 1 1 使用scikit-learn訓練模型
7 1 2 高消費者模型實現
7 2 引入Azure Machine Learning
7 2 1 創建工作區
7 2 2 創建Azure Machine Learning計算目標
7 2 3 設置Azure Machine Learning存儲
7 2 4 在雲中運行機器學習
7 2 5 小結
7 3 MLOps
7 3 1 從Git部署
7 3 2 存儲管道ID
7 3 3 小結
7 4 機器學習的編排
7 4 1 連接Azure Data Factory與Azure Machine Learning
7 4 2 機器學習編排
7 4 3 小結
7 5 本章小結
第Ⅲ部分 數據治理
第8章 元數據
8 1 理解大數據平台中元數據的需求
8 2 介紹Azure Purview
8 3 維護數據字典
8 3 1 設置掃描
8 3 2 瀏覽數據字典
8 3 3 小結
8 4 管理數據術語表
8 4 1 添加新的術語
8 4 2 審查術語
8 4 3 自定義模板和批量導入
8 4 4 小結
8 5 了解Azure Purview的高級功能
8 5 1 追蹤數據血緣
8 5 2 分類規則
8 5 3 REST API
8 5 4 小結
8 6 本章小結
第9章 數據質量
9 1 數據測試概述
9 1 1 可用性測試
9 1 2 正確性測試
9 1 3 完整性測試
9 1 4 異常檢測測試
9 1 5 小結
9 2 使用Azure Data Factor
詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。
規格說明
運送方式
已加入購物車
已更新購物車
網路異常,請重新整理