大數(shù)據(jù)已經(jīng)成為這個時代的標志，如何理解和運用大數(shù)據(jù)，也是我們這個時代的重中之重。今天，小編從“實戰(zhàn)”和“拓展”兩個方向，為各位推薦幾本書，希望能夠有助于你在大數(shù)據(jù)方面的學習。實戰(zhàn)篇
《集體智慧編程》作者：[美]TOBY SEGARAN 翻譯：莫映 / 王開福 本書由StuQ/InfoQ大數(shù)據(jù)專家交流群傾力推薦。本書以機器學習與計算統(tǒng)計為主題背景，專門講述如何挖掘和分析Web上的數(shù)據(jù)和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，并得出有用的結(jié)論，通過復雜的算法來從Web網(wǎng)站獲取、收集并分析用戶的數(shù)據(jù)和反饋信息，以便創(chuàng)造新的用戶價值和商業(yè)價值。全書內(nèi)容翔實，包括協(xié)作過濾技術(shù)（實現(xiàn)關(guān)聯(lián)產(chǎn)品推薦功能）、集群數(shù)據(jù)分析（在大規(guī)模數(shù)據(jù)集中發(fā)掘相似的數(shù)據(jù)子集）、搜索引擎核心技術(shù)（爬蟲、索引、查詢引擎、PageRank算法等）、搜索海量信息并進行分析統(tǒng)計得出結(jié)論的優(yōu)化算法、貝葉斯過濾技術(shù)（垃圾郵件過濾、文本過濾）、用決策樹技術(shù)實現(xiàn)預測和決策建模功能、社交網(wǎng)絡(luò)的信息匹配技術(shù)、機器學習和人工智能應(yīng)用等。本書是Web開發(fā)者、架構(gòu)師、應(yīng)用工程師等的絕佳選擇。
《數(shù)據(jù)挖掘?qū)д摗?/b>作者: Pang-Ning Tan / Michael Steinbach / Vipin Kumar 翻譯：范明 / 范宏建 本書全面介紹了數(shù)據(jù)挖掘，涵蓋了五個主題：數(shù)據(jù)、分類、關(guān)聯(lián)分析、聚類和異常檢測。除異常檢測外，每個主題都有兩章。前一章涵蓋基本概念、代表性算法和評估技術(shù)，而后一章討論高級概念和算法。這樣讀者在透徹地理解數(shù)據(jù)挖掘的基礎(chǔ)的同時，還能夠了解更多重要的高級主題。
《Hadoop The Definitive Guide》作者： [美] Tom White本書是學習Hadoop的權(quán)威指南，是您縱情享用數(shù)據(jù)之美的得力助手。作為處理海量數(shù)據(jù)集的理想工具，Apache Hadoop架構(gòu)是MapReduce算法的一種開源應(yīng)用，是Google(谷歌)開創(chuàng)其帝國的重要基石。本書內(nèi)容豐富，展示了如何使用Hadoop構(gòu)建可靠、可伸縮的分布式系統(tǒng)，程序員可從中探索如何分析海量數(shù)據(jù)集，管理員可以了解如何建立與運行Hadoop集群。本書完全通過案例學習來展示如何用Hadoop解決特殊問題，如果您擁有海量數(shù)據(jù)，無論是GB級還是PB級，Hadoop都是完美的選擇。本書是這方面最全面的參考。
《大數(shù)據(jù)技術(shù)叢書·Hadoop技術(shù)內(nèi)幕》作者：蔡斌，陳湘平，董西城全球首部Hadoop YARN專著，資深Hadoop技術(shù)專家根據(jù)最新版本撰寫，ChinaHadoop和51CTO等專業(yè)技術(shù)社區(qū)聯(lián)袂推薦！從應(yīng)用角度系統(tǒng)講解YARN的基本庫和組件用法、應(yīng)用程序設(shè)計方法、YARN上流行的各種計算框架，以及多個類YARN的開源資源管理系統(tǒng)。從源代碼角度深入分析YARN的設(shè)計理念與基本架構(gòu)、各個組件的實現(xiàn)原理，以及各種計算框架的實現(xiàn)細節(jié)。從源代碼角度深入分析MapReduce的設(shè)計理念，以及RPC框架、客戶端、JobTracker、TaskTracker和Task等運行時環(huán)境的架構(gòu)設(shè)計與實現(xiàn)原理。深入探討Hadoop性能優(yōu)化、多用戶作業(yè)調(diào)度器、安全機制、下一代MapReduce框架等高級主題。
《機器學習實戰(zhàn)》作者：Peter Harrington翻譯：李銳/李鵬/曲亞東/王斌機器學習是人工智能研究領(lǐng)域中一個極其重要的研究方向，在現(xiàn)今的大數(shù)據(jù)時代背景下，捕獲數(shù)據(jù)并從中萃取有價值的信息或模式，成為各行業(yè)求生存、謀發(fā)展的決定性手段，這使得這一過去為分析師和數(shù)學家所專屬的研究領(lǐng)域越來越為人們所矚目。本書第一部分主要介紹機器學習基礎(chǔ)，以及如何利用算法進行分類，并逐步介紹了多種經(jīng)典的監(jiān)督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點介紹無監(jiān)督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。全書通過精心編排的實例，切入日常工作任務(wù)，摒棄學術(shù)化語言，利用高效的可復用Python代碼來闡釋如何處理統(tǒng)計數(shù)據(jù)，進行數(shù)據(jù)分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，并能將其運用于一些策略性任務(wù)中，如分類、預測、推薦。另外，還可用它們來實現(xiàn)一些更高級的功能，如匯總和簡化等。
《大規(guī)模分布式存儲系統(tǒng)》作者：楊傳輝《大規(guī)模分布式存儲系統(tǒng)：原理解析與架構(gòu)實戰(zhàn)》是分布式系統(tǒng)領(lǐng)域的經(jīng)典著作，由阿里巴巴高級技術(shù)專家“阿里日照”（OceanBase核心開發(fā)人員）撰寫，陽振坤、章文嵩、楊衛(wèi)華、汪源、余鋒（褚霸）、賴春波等來自阿里、新浪、網(wǎng)易和百度的資深技術(shù)專家聯(lián)袂推薦。理論方面，不僅講解了大規(guī)模分布式存儲系統(tǒng)的核心技術(shù)和基本原理，而且對谷歌、亞馬遜、微軟和阿里巴巴等國際型大互聯(lián)網(wǎng)公司的大規(guī)模分布式存儲系統(tǒng)進行了分析；實戰(zhàn)方面，首先通過對阿里巴巴的分布式數(shù)據(jù)庫OceanBase的實現(xiàn)細節(jié)的深入剖析完整地展示了大規(guī)模分布式存儲系統(tǒng)的架構(gòu)與設(shè)計過程，然后講解了大規(guī)模分布式存儲技術(shù)在云計算和大數(shù)據(jù)領(lǐng)域的實踐與應(yīng)用?！洞笠?guī)模分布式存儲系統(tǒng)：原理解析與架構(gòu)實戰(zhàn)》內(nèi)容分為四個部分：基礎(chǔ)篇——分布式存儲系統(tǒng)的基礎(chǔ)知識，包含單機存儲系統(tǒng)的知識，如數(shù)據(jù)模型、事務(wù)與并發(fā)控制、故障恢復、存儲引擎、壓縮/解壓縮等；分布式系統(tǒng)的數(shù)據(jù)分布、復制、一致性、容錯、可擴展性等。范型篇——介紹谷歌、亞馬遜、微軟、阿里巴巴等著名互聯(lián)網(wǎng)公司的大規(guī)模分布式存儲系統(tǒng)架構(gòu)，涉及分布式文件系統(tǒng)、分布式鍵值系統(tǒng)、分布式表格系統(tǒng)以及分布式數(shù)據(jù)庫技術(shù)等。實踐篇——以阿里巴巴的分布式數(shù)據(jù)庫OceanBase為例，詳細介紹分布式數(shù)據(jù)庫內(nèi)部實現(xiàn)，以及實踐過程中的經(jīng)驗。專題篇——介紹分布式系統(tǒng)的主要應(yīng)用：云存儲和大數(shù)據(jù)，這些是近年來的熱門領(lǐng)域，本書介紹了云存儲平臺、技術(shù)與安全，以及大數(shù)據(jù)的概念、流式計算、實時分析等。拓展篇
《大數(shù)據(jù)時代》作者：[英]維克托·邁爾-舍恩伯格，[英]肯尼思·庫克耶翻譯：盛楊燕，周濤不用說了，肯定是這本書。讀完這本書，要求你形成大數(shù)據(jù)的概念，即知道這么幾點：1、絕不是有很多數(shù)據(jù)就叫大數(shù)據(jù)；2、大數(shù)據(jù)是一種數(shù)據(jù)分析方式，與傳統(tǒng)數(shù)據(jù)分析方式有著本質(zhì)上的不同；3、大數(shù)據(jù)的特點是“關(guān)注相關(guān)性，不關(guān)注因果”，這是大數(shù)據(jù)最核心的東西，一定要真正理解，并牢牢記住，不然你就很容易被別人忽悠；4、大數(shù)據(jù)采用的是統(tǒng)計的方法；5、大數(shù)據(jù)主要是結(jié)合人工智能進行機器的自動數(shù)據(jù)挖掘；6、大數(shù)據(jù)主要是用來作預測的。而不是象一般的數(shù)據(jù)分析，只是分析出歷史情況和現(xiàn)狀，未來還是要靠人去預測，大數(shù)據(jù)則是直接告訴你未來的結(jié)果。
《失控》作者：[美]凱文·凱利翻譯：東西文庫為什么是這本書呢？學完初級階段要記住的幾件事還沒忘吧？對，用統(tǒng)計的方法，而不是因果的方法，預測未來。在對預測機制進行剖析的時候，法默最喜歡用這個例子來進行說明：「來，接著！」他說著就朝你扔過來一個棒球。你抓住了球?！改阒滥闶窃趺唇幼∵@個球的嗎？」，他問道?！竿ㄟ^預測?！褂胒=ma（公式）來預測，或者說線性預測，就是通過因果推理來進行預測，即根據(jù)球的質(zhì)量、加速度等等因素，找出這個球為什么會從那個地方飛到這個地方的原因；而“歸納”即是“統(tǒng)計”的意思，或者說是較粗略的統(tǒng)計，歸納是不問原因的，接住這個球就完了，管它是什么原因。你想成為大數(shù)據(jù)高手，你想用統(tǒng)計的方法來對某些東西進行預測？ 好了，現(xiàn)在你來告訴我，還有什么理由不去好好讀這本書？
《爆發(fā)》作者： [美] 艾伯特-拉斯洛·巴拉巴西 翻譯：馬慧本書是一本超越《黑天鵝》的驚世之作。如果說塔勒布認為人類行為是隨機的，都是小概率事件，是不可以預測的；那么全球復雜網(wǎng)絡(luò)權(quán)威Barabasi則認為，人類行為93%是可以預測的。Barabasi的研究是在人類生活數(shù)字化的大數(shù)據(jù)時代基礎(chǔ)上進行的，移動電話、網(wǎng)絡(luò)以及電子郵件使人類 行為變得更加容易量化，將我們的社會變成了一個巨大的數(shù)據(jù)庫。他認為，人類正處在一個聚合點上，在這里數(shù)據(jù)、科學以及技術(shù)都聯(lián)合起來共同對抗那個最大的謎題——我們的未來。在本書中，Barabasi揭開人類行為背后隱藏的模式“爆發(fā)”，提出人類日常行為模式不是隨機的，而是具有“爆發(fā)性”的。爆發(fā)揭開了人類行為中令人驚訝的深層次的秩序，使得人類變得比預期中更容易預測得多。爆發(fā)模式的揭示，其影響力將與20世紀初期的物理學或者基因革命的影響力不相上下。
《數(shù)學之美》作者：吳軍幾年前，“數(shù)學之美”系列文章原刊載于谷歌黑板報，獲得上百萬次點擊，得到讀者高度評價。讀者說，讀了“數(shù)學之美”，才發(fā)現(xiàn)大學時學的數(shù)學知識，比如馬爾可夫鏈、矩陣計算，甚至余弦函數(shù)原來都如此親切，并且栩栩如生，才發(fā)現(xiàn)自然語言和信息處理這么有趣。今年，作者吳軍博士幾乎把所有文章都重寫了一遍，為的是把高深的數(shù)學原理講得更加通俗易懂，讓非專業(yè)讀者也能領(lǐng)略數(shù)學的魅力。讀者通過具體的例子學到的是思考問題的方式 —— 如何化繁為簡，如何用數(shù)學去解決工程問題，如何跳出固有思維不斷去思考創(chuàng)新。
《復雜性》作者：[美]尼古拉斯·雷舍爾翻譯：吳彤你接觸到了一件事，“復雜性”，知道了事情復雜到一定程度，就不可能用尋找因果的方法去進行預測。那么到底什么是復雜性，它的本質(zhì)和原理是什么？想成為大數(shù)據(jù)高手，你不能對此一無所知，因為你將一輩子與復雜甚至是極其復雜的事情打交道。推薦這本書還有個原因。大家都知道大數(shù)據(jù)是研究數(shù)據(jù)的相關(guān)性，即找出數(shù)據(jù)之間的關(guān)系。當我經(jīng)歷了15年統(tǒng)計學人工智能數(shù)據(jù)相關(guān)性的探索和研究，感覺已經(jīng)研究得差不多了，但又覺得要解決所有的問題還有不小的距離，這時就感到很迷茫，不知下一步的研究該往何方去，有種路越走越窄的感覺，又有一種達到頂峰的幻覺，直到看到這本書中的一句話：“可以考慮它們的關(guān)系，再考慮這些關(guān)系中的關(guān)系，如此下去。”大家千萬不要小看這句話中的“如此下去”幾個字，他指明了一個無窮疊代，即 “關(guān)系的關(guān)系的……關(guān)系”，而智能將在這里涌現(xiàn)，解決復雜性問題預測的關(guān)鍵很可能就在這里，這句話打開了一個非常廣闊的前景，將象宇宙一樣沒有窮盡。
《量子物理史話》作者：曹天元你一定有疑問，“這本書就能讓我改變世界觀？”那么我們就來看看書中說些什么吧：量子世界的本質(zhì)是“隨機性”。傳統(tǒng)觀念中的嚴格因果關(guān)系在量子世界是不存在的，必須以一種統(tǒng)計性的解釋來取而代之，波函數(shù)ψ就是一種統(tǒng)計，它的平方代表了粒子在某處出現(xiàn)的概率。當我們說“電子出現(xiàn)在x處”時，我們并不知道這個事件的“原因”是什么，它是一個完全隨機的過程，沒有因果關(guān)系。因果性必須死，因為物理學需要生！停止爭論吧，上帝真的擲骰子！隨機性是世界的基石，當電子出現(xiàn)在這里時，它是一個隨機的過程，并不需要有誰給它加上難以忍受的條條框框。……而統(tǒng)計規(guī)律則把微觀上的無法無天抹平成為宏觀上的井井有條?！浴读孔游锢硎吩挕贰敖y(tǒng)計規(guī)律則把微觀上的無法無天抹平成為宏觀上的井井有條”，這句話實際上就是表明，統(tǒng)計方法可以使極其復雜的隨機事件成為可預測。我認為，社會、市場、股票等等與量子世界有著很多相似之處。由于量子理論實際上是從最本質(zhì)上去研究我們存在于其中的這個世界，因此正如書中的一句話：“這個世界的本質(zhì)：它本就是統(tǒng)計性的！
《統(tǒng)計自然語言處理基礎(chǔ)》作者：[美]Christopher D. Manning[德]hinrich Schutze翻譯：苑春法 李慶中 王昀 李偉 曹德芳等你可能有一個疑問，為什么是“語言”，這有兩個原因：第一，在計算機專業(yè)，數(shù)據(jù)并不僅僅是指數(shù)字，文字、圖片、聲音、視頻等都叫數(shù)據(jù)；第二，語言比數(shù)字難很多，如果你能處理語言，那處理純數(shù)字就容易很多。你可能還有一個疑問，統(tǒng)計自然語言處理與一般的自然語言處理有什么本質(zhì)不同之處？統(tǒng)計自然語言處理是更接近自然的自然語言處理方式（繞口令？），也就是說更接近我們?nèi)说奶幚矸绞剑踔量梢哉f就是人或自然的處理方式，只是人的大腦處理方式更復雜而已，但本質(zhì)是一樣的。讀完了這本書，不代表你就成為大數(shù)據(jù)高手了，實際上它只是為你打下基礎(chǔ)知識，真正掌握大數(shù)據(jù)的方法，需要你在這個基礎(chǔ)上去探索或者說悟出來。