大數據與機器學習：實踐方法與行業案例

對大數據應用框架及對業務的支持做出很好的總結 在打造業務閉環的同時也要構建出完整的數據閉環 同時簡單概述了主流的數據挖掘方法 要具體瞭解算法需藉助其他材料 最後結合實際案例說明數據自助營銷平臺的建設方案及使用場景 對標籤體系的前臺應用提供了思路

幾位老同事的佳作，多年的工作經驗和學術研究的成果。

成書時間有點早，基本上用sql和sas做一些數據挖掘。sas不適合做很大數據量的挖掘。當前主流是用python＋sklearn＋tensor flow來做

（1）從數據、基礎平臺、分析方法、行業應用4個維度，義場景化方式講解數據從獲取、預處理、挖掘、建模、結論分析與展現到系統應用的流程，以及機器學習的重要技術 （2）三位金融領域的大數據專家近10年行業實戰經驗總結，包含大量行業解決方案和案例，並公開源代碼 本書從企業實踐出發，內容覆蓋數據、平臺、分析和應用等企業內數據流轉的主要環節。佈局上，按照數據與平臺篇、分析篇和應用篇分別撰寫。數據與平臺篇（第1~3章），立足找到數據、整合數據、使用數據三個角度，介紹數據在企業內的分佈和處理邏輯，以便快速爲分析準備素材。分析篇（第4~11章），選取企業實際案例，介紹常用的數據挖掘與機器學習算法，以業務場景爲導向展示數據分析過程和技巧。應用篇（第12~15章），選取當前主流的四個應用場景，介紹如何實現數據驅動，讓數據“自動”流轉於各個環節。

不錯的一本書！ 一些關鍵技術、信息均有提及、評價，對有一定“編程技術”基礎的讀者來說是很好的一本書，夠直接。 個人感覺本書不適合初學者，及非技術開發人士作爲大數據入門資料。

走馬觀花，不求甚解，因爲沒能讀懂代碼，跳過了很多內容，但基本上有了一點大致的感覺，至少朦朧地知道所謂的大數據時代下，每個人留下的數據、信息究竟是在怎樣的處理後以怎樣的形式呈現在我們面前，從而引導和幫助着我們的行爲

技術含量高，如果自己能夠理解並且運用一定是很好的，我只是來了解這個工作大概內容，發現自己有很多很多的知識需要學習。

非常一般般的，還有錯誤，比如k均值聚類說成是有監督的。看到的唯一亮點是給出了ROC和lift曲線的decile畫法，比其他書籍定義式的描述更實用。

依託金融行業案例分析，實踐性比較強，可操作性較高~

覆蓋面很全的一本書，對入門級讀者還算友好～