这是一本关于机器学习的书，它以Scala为重点，介绍了函数式编程方法以及如何在Spark上处理大数据。九个月前，当我受邀写作本书时，我的第一反应是：Scala、大数据、机器学习，每一个主题我都曾彻底调研过，也参加了很多的讨论，结合任何两个话题来写都具有挑战性，更不用说在一本书中结合这三个主题。这个挑战激发了我的兴趣，于是就有了这本书。并不是每一章的内容都像我所希望的那样圆满，但技术每天都在快速发展。我有一份具体的工作，写作只是表达我想法的一种方式。下面先介绍机器学习。机器学习经历了翻天覆地的变换；它是由人工智能和统计学发展起来的，于20世纪90年代兴起。后来在2010年或稍晚些时候诞生了数据科学。数据科学家有许多定义，但Josh Wills的定义可能最通俗，我有幸在Cloudera工作时和他共事过。这个定义在图1中有具体的描述。虽然细节内容可能会有争议，但数据科学确实是几个学科的交叉，数据科学家不一定是任何一个领域的专家。据Jeff Hammerbacher（Cloudera的创始人，Facebook的早期员工）介绍，第一位数据科学家工作于Facebook。Facebook需要跨学科的技能，以便从当时大量的社交数据中提取有价值的信息。虽然我自称是一个大数据科学家，但我已经关注这个交叉领域很久了，以至于有太多知识出现混淆。写这本书就是想使用机器学习的术语来保持对这些领域的关注度。
第1章 探索数据分析1.1 Scala入门1.2 去除分类字段的重复值1.3 数值字段概述1.4 基本抽样、分层抽样和一致抽样1.5 使用Scala和Spark的Notebook工作1.6 相关性的基础1.7 总结第2章 数据管道和建模2.1 影响图2.2 序贯试验和风险处理2.3 探索与利用问题2.4 不知之不知2.5 数据驱动系统的基本组件2.6 优化和交互第3章 使用Spark和MLlib3.1 安装Spark3.2 理解Spark的架构3.3 应用3.4 机器学习库3..5 Spark的性能调整3.6 运行Hadoop的HDFS3.7 总结
相关资源：七夕情人节表白HTML源码(两款)