検索

®γσ, Eng (白戸則道)

白戸則道:実に面白いですね! http://github.com/scibrokes/owner

[電子書] Spark in Action

Soft & Share

書籍簡介

挖掘和弄髒你的雙手,今天就開使使用最熱門的資料處理引擎之一。 一本很好的指南書籍

Jonathan Sharley, Pandora Media

Spark in Action 教你使用 Spark 有效率地處理批次和串流資料所需要的理論和技能。 完全為Spark 2.0更新。

關於這個技術

大型資料系統將資料集分散在不同機器叢集中,這讓有效地查詢,資料串流和解釋這些資料是一大挑戰。 Spark 可以幫助。 它是專為分散式資料設計的處理系統。 它提供易於使用的界面,以及你需要的可上線品質分析效能和機器學習所需的性能。 Spark 2 還增加了改進的程式設計 API,更好的性能和無數的其它升級功能。

關於這本書

Spark in Action 教你使用 Spark 有效處理批次和串流資料所需的理論和技能。 通過幾個介紹性的範例, 你可以很方便的使用 Spark CLI。 然後,你將使用其核心 API 開始編程 Spark。 一路上,你將使用 Spark SQL 處理結構化資料,使用 Spark GraphX 處理近乎即時的串流式傳輸資料,應用機器學習演算法和非事先定義的圖形資料。 為了輕鬆開始,你可以下載預先配置好的虛擬機器,以方便你嘗試本書的程式碼。

書籍內容包含

  • 為 Spark 2.0 更新
  • 真實案例研究
  • 使用 Docker 做 Spark DevOps
  • 使用 Scala 的範例,以及使用 Java 和 Python 上線

目標讀者

為具有大數據或機器學習背景的有經驗程式設計師撰寫。

關於作者

PetarZečević 和 MarkoBonaći 是大量參與 Spark 社群且經驗豐富的開發人員。


書籍網址[ 5 折優惠代碼:DOTD101517 期限 10/16 中午 12:00 ]Manning___Spark_in_Action

你可能會有興趣

喜歡我們的分享嗎? 使用以下的社群分享按鈕也分享給你的朋友吧!

元の投稿を表示

広告

[電子書] Streaming Data

Soft & Share

書籍簡介

如果你想掌握企業級串流應用程式的架構,那麼這本是最權威的書籍。

Sergio Fernandez Gonzalez, Accenture

Streaming Data 介紹了串流和即時資料系統的概念和需求。 這本書是一個想法豐富的教程,教你如何有效地與快速流動的資料互動。

關於這個技術

作為人類,我們不斷地將訊息流過濾和解密。 以同樣的方式,串流資料應用程式可以完成驚人的任務,例如查看即時位置資料來推薦附近的服務,即時追踪機器故障,並在客戶離開商店之前發送數位收據。 串流式傳輸資料技術和技術的最新發展使任何開發人員可能建構這些應用程式,如果這些開發人員有正確的心態。 這本書也會讓你加入他們。

關於這本書

Streaming Data 是一個想法豐富的教程,教你如何有效地與快速流動的資料互動。 通過相關範例和圖示說明,你將探索讀取,分析,共享和儲存串流資料的應用程式的設計。 一路上,你將發現 Spark,Storm,Kafka,Flink,RabbitMQ 等關鍵技術的運用。 這本書提供了整體大方向與實現細節之間的完美平衡。

書籍內容包含

  • 收集即時資料的正確方法
  • 建構串流管線 ( streaming pipeline )
  • 分析資料
  • 何時使用哪些技術

目標讀者

為熟悉關聯資料庫概念的開發人員撰寫。 不需要有串流或即時應用程式的經驗。

關於作者

Andrew Psaltis 是一名專注於大規模可擴展即時分析的軟體工程師。


書籍網址[ 5 折優惠代碼:DOTD101517 期限 10/16 中午 12:00 ]Manning___Streaming_Data

你可能會有興趣

喜歡我們的分享嗎? 使用以下的社群分享按鈕也分享給你的朋友吧!

元の投稿を表示

ウォーレン・バフェットに学びます~

何年前に、ヒゥゴを試してみたなのに、今まで自分のブログがまだたてないんです~

僕の母親旧月が亡くなっちゃたんだ~ちょっと悲しいものだから、故郷へ帰ると、あのジョホル.バルの仕事もう辞めたんだ!

今頃ちょっと暇掛けて、僕が故郷の自宅で自習してるん。あのね~年始からあるかいしゃをバイナリーは僕に三の問題が上げてくれたのに、今までただ一番目binary.com:Interview Question Iを答えてるんだ~人々は僕にちょっとゆっくりしてるように見えるのに、実に心から忙しくて、あの統計や計算の結果をお待たせしましたね~

株式会社と普通の会社や、会社の財務を分析する本を誰か紹介してた~会社の健康度が概算する(はははあっは、会社の医者みたいな~有名なウォーレン・バフェットもそうするよね)~

  1. 财务报表就像一本故事书(简介)
  2. 公司财务原理(第八版)
  3. 财务报表就像一本故事书

そして、株と金融市場の値段を統計学で分析する本も読んてます。

  1. Analyzing Financial Data and Implementing Financial Models using R
  2. Analysis of Financial Time Series (2nd Edition)
  3. Financial Risk Modelling and Portfolio Optimization with R (2nd Edition)

実にビジネスの試合は参りたいけれど、時間が足りないと思いますよ~ははっっはああ、やっぱいだね!

Capture

もし変な日本語を書いて、気にしないで、日本語を勉強したこともう何十年前だぞ~また勉強しないとね~良くの未来のために、是非頑張りますから!!!

李嘉誠何鴻燊們的肮髒發家史:白手起家是童話

情報源: 李嘉誠何鴻燊們的肮髒發家史:白手起家是童話

Faster Gibbs sampling MCMC from within R

学(まなぶ)~

Darren Wilkinson's research blog

Introduction

This post follows on from the previous post on Gibbs sampling in various languages. In that post a simple Gibbs sampler was implemented in various languages, and speeds were compared. It was seen that R is very slow for iterative simulation algorithms characteristic of MCMC methods such as the Gibbs sampler. Statically typed languages such as C/C++ and Java were seen to be fastest for this type of algorithm. Since many statisticians like to use R for most of their work, there is natural interest in the possibility of extending R by calling simulation algorithms written in other languages. It turns out to be straightforward to call C, C++ and Java from within R, so this post will look at how this can be done, and exactly how fast the different options turn out to be. The post draws heavily on my previous posts on calling C from…

元の投稿を表示 さらに751語

用 Python 做金融分析與演算法交易

Soft & Share

聽過高盛利用自動交易程式,把原本在紐約總部的現股票交易櫃檯600名交易員變成只需要2人?資料科學的專家已經變成華爾街的搶手人才。 如果你想成為這方面的專家,也有Python的基礎,這堂課將帶你入門跨金融領域的資料科學世界。 這是一位曾為世界各地的各種公司提供資料科學和 python內訓的資料科學家所開的課,帶你學習 numpy、pandas、matplotlib、quantopian 和金融等相關的知識,讓你有能力運用 Python 做演算法交易。

我會學到些什麼呢?

  • 使用 NumPy 快速運用數值資料
  • 運用 Pandas 做分析並視覺化資料
  • 使用Matplotlib建立自定義的繪圖(plots)
  • 學習如何使用 statsmodels 做時間序列分析
  • 計算金融統計,比如日收益、累計收益率、波動率等
  • 使用指數加權移動平均值(Exponentially Weighted Moving Averages)
  • 在時間序列資料上使用 ARIMA 模型
  • 計算 Sharpe 比率
  • 優化投資組合分配
  • 了解資本資產定價模型
  • 學習有效市場假說
  • 進行 Quantopian 的演算法交易

需求

  • 具備一些程式設計的知識(最好是Python)
  • 能夠將Anaconda (Python)下載到你的電腦
  • 具備統計和線性代數基礎將有幫助

課程說明

歡迎考慮”用 Python 做財務分析與演算法交易“這門課!你是否對如何使用 Python 進行嚴格的財務分析和追求演算法交易感興趣,那麼這正是你要的課程!

本課程將引導你了解使用 Python 進行財務和演算法交易所有需要的知識!我們首先學習 Python的基礎知識,然後繼續了解 Py-Finance 生態系統中使用的各種核心庫 (libraries),包括 jupyter 、numpy、pandas、matplotlib、statsmodels、zipline、Quantopian等等!

我們將介紹金融專業人員使用的以下主題:

  • Python基礎知識
  • 使用 NumPy 做高速的數值處理
  • 使用 Pandas 做高效的資料分析
  • Matplotlib:做資料視覺化
  • 使用 pandas 資料庫讀取器和 Quandl 進行資料採集
  • Pandas 時間序列分析技術
  • 股票回報分析
  • 累計日收益
  • 波動性和證券風險
  • EWMA(指數加權移動平均線)
  • Statsmodels
  • ETS(錯誤-趨勢,季節性)
  • ARIMA(自動回歸整合移動平均線)
  • 自動相關圖和部分自動相關圖
  • Sharpe 比率
  • 投資組合分配優化
  • 有效的邊境和 Markowitz 優化
  • 資金類型
  • 訂單簿 (Order Books)
  • 賣空 (Shrot Selling,賣出不在手的股票)
  • 資本資產定價模型
  • 股票分割和股息
  • 有效市場假說
  • Quantopian 的演算法交易
  • 期貨交易

目標受眾

想了解財務分析的Python程式設計師

講師介紹

Jose Portilla 資料科學家

Jose Marcial Portilla 擁有來自聖克拉拉(Santa Clara )大學的機械工程學士學位和碩士學位,也有多年資料科學和程式設計專業教練和培訓師的經驗。他在各種領域如微流體 、材料科學和資料科學技術中有出版物和專利。在他的職業生涯中,他已經發展了分析資料的技能,他希望利用他在教學和資料科學方面的經驗,幫助其他人學習程式開發的能力 、分析資料,以及清晰地呈現數據和漂亮的可視化。

目前他是Pierian Data Inc.的資料科學主管,為世界各地的各種公司提供資料科學和 python 內訓課程,包括瑞士信貸等頂級銀行。隨時在LinkedIn上與他聯繫,獲取個人培訓課程的更多資訊。


課程網址 ♥找優惠折扣碼?

Sponsored by Udemy

你可能會有興趣

好東西與好朋友分享,邀請你的朋友一起來學習吧! 

元の投稿を表示

成為全端Web開發人員 – 完整課程

學~

Soft & Share

由40的專案學習全端Web開發

Eduonix 推出了最大和最好的課程!為了適應世界各地開發者和技術不斷變化的角色,我們引入了一個全新的大師課程-成為全端Web開發人員

隨著技術發展的快速步伐,開發人員不能再只是專精某方面的開發即可,而是必須從設計到實際佈署,瞭解整個開發過程。 這引發新角色的需求 – 全端開發人員。

什麼是全端開發人員?

全端開發人員是設計完整的應用程式和網站的開發人員。這些開發人員從前端、後端、資料庫,甚至解問題和測試等各方面的開發工作。簡而言之,開發人員必須從頭到尾了解應用程式。一位前端開發人員的專長如果有許多技能,將更受追捧。它們可以處理開發的各方各面,並且可以更加無縫創建的產品。

然而,成為全端開發人員的資源有限,大多提供部分或隨機的技術,你必須自己學習和組合。因此,我們推出本課程,可以完美同步地編譯所有技術,以幫助開發人員從單方的開發人員轉變為全端開發人員。

從前端開發出發,學習者將慢慢發展到其他開發方面,包括後端、資料庫、解問題、版本控制和其他對開發人員有幫助的基本技術。

我們的全端課程將你成為完整的全端開發人員所需要的每種技術的基礎知識分解下來。整個課程分為五個獨立的部分:前端、後端、資料庫,其他基本技術和除蟲/版本控制。每個部分都包含多種技術,以幫助你習得更多開發人員的經驗。

不只這樣!除了以理論為基礎的學習,課程還將重點介紹實際應用,詳細介紹多個專案,幫助你學習實踐經驗。

我們來看看你將學到的不同技術和框架:

  • 前端 – HTML,HMTL5,CSS3,Twitter Bootstrap,JavaScript,jQuery
  • 後端 – Node.js,Meteor.js,Angular 2,PHP,Ruby on Rails
  • 資料庫 – MySQL,PostgreSQL,MongoDB,CouchDB,Apache Cassandra
  • 其他基礎技術 – Memcached,Redis,Apache Lucene,Apache Solr
  • 調試/版本控制 – GIT,Subversion,Task Runners(Grunt,Gulp),Debuggers(Xdebug,Firedebug)

每個技術將包括你將在教練的幫助下創建的功能專案。以下是本課程中包含的幾個專案:

  • PHP Job Board
  • AJAX Github Profile Finder
  • RESTful JSON API
  • SASS Template Page Cache/ Memcached
  • PHP MYSQL Messaging App
  • HTML5 Note App Using LocalStorage

這些只是在這精彩課程中包含的40個不同的專案中的幾個。你還在等什麼?讓我們用這個課程掌握完整的全端技術。

目標受眾

  • 想要成為全端Web開發者
  • 前端開發者想要學習後端程式設計
  • 後端開發者想學習前端程式設計

要求

無需先修知識。學生需要下載並安裝程式碼編輯器(Atom等免費選項就足夠了)

講師介紹

Brad Traversy

  • 12年以上的web開發經驗
  • 4年以上課程創作與教學經驗
  • 專長於 JavaScript 技術與 PHP 伺服器端開發
  • 在Eduonix有許多課程

原價USD149

目前早鳥價 USD19 (以官網價為主)

更多資料與購買 

react sass web

喜歡我們的分享嗎?使用以下的社群分享按鈕分享給你的朋友吧!

元の投稿を表示

使用 D3.js 以簡單的方法做資料視覺化

除了要有强劲的後臺,前臺美观互动式。。也很重要哦!

Soft & Share

要將資料分析或是統計的結果顯示在 Web 前端,那麼最知名的 javascript 程式庫就首推 D3.js 了!

課程連結

使用優惠折扣碼 THEBEST202202 以 NT 300 元 取得這堂價值 NT 1800 的課程 ,如果折扣碼 失效了請參考這邊有 Udemy 優惠連結

Data Visualize Data with D3. js The Easy Way

我會學些什麼呢?

  • 學習如何使用 D3.js 來將資料視覺化
  • 一個簡單的課程,教你如何使用 D3 從資料驅動輸入創建動態和互動式圖形

要求

  • 一台 PC 或是 Mac

說明

本課程透過 Infinite Skills 的 D3.js 培訓課程學習資料視覺化,教你如何使用 D3 JavaScript 程式庫建構資料視覺化。本課程是為已經擁有 HTML,CSS JavaScript 程式設計經驗的開發者設計的。

你將首先學習 D3 的基礎知識,包括如何將 JavaScript 陣列的資料 bind 到 elements,縮放資料以及使用 CSS 創建簡單的資料視覺化。從那裡,本課程將向你展示如何將互動性引入到資料視覺中,包括如何增加排序按鈕,動畫變更以及回應其他滑鼠事件。本視訊課程還將介紹如何創建線圖和散點圖資料視覺化。

一旦你完成了這個線上培訓課程,你將會發展出一個穩固的 D3 運作知識,並能夠建立自己的資料視覺化。課程包含可運作的檔案,讓你在整個課程中跟隨作者。

目標受眾是?

講師簡介

Infinite Skills 高品質的培訓

Infinite Skills 是一家加拿大公司,提供龐大而不斷成長的高品質數位學習解決方案,教授使用實用動手實例和有理解力的工作檔案與錄音室品質視訊。所有課程由受過訓練的教育工作者和視訊教育專家組成。

重點在於教授在當今現實商業環境中所需促進生活進步技能。

你可能會有興趣

喜歡我們的分享嗎? 使用以下的社群分享按鈕也分享給你的朋友吧!

元の投稿を表示

A few things I learned about shiny (and reactive programming)

shinyData

One of the things I really like about shiny is that it has excellent documentation: the tutorial, articles and gallery go a long way in helping newcomers as well as intermediate programmers mastering the structure and features of shiny. Still, there are a few things I found lacking from the documentation but important to understand especially if your shiny app is going to be more than just a few lines of R code. I’m sharing them here hoping they can help others avoid some of the roundabouts I took as I learn my way in shiny.

Reactive dependencies are dynamic

What does this mean? It’s probably best illustrated with a somewhat contrived example. Consider the following two observers:

observe({ if(input$a=="good"){ print("good") } else { print(input$b) } }) observe({ a <- input$a b…

元の投稿を表示 さらに1,035語

WordPress.com で無料サイトやブログを作成.

稼働中 ↑