具體描述
産品特色
編輯推薦
《品味大數據》與市麵上圖書不同的是從多維度對大數據的曆史、內涵、哲學與技術四個方麵對大數據進行瞭深入的探討，用百位大牛的觀點論辯來幫助讀者形成自己的大數據認知體係。圖書行文幽默、結構完整、圖文並茂通俗易懂，讓讀者寓學於樂。
率先采用正反辯論的方法對觀點形成闡述，讓讀者可以從辯證的角度去品味大數據。
內容簡介
當下，大數據是一個熱門的話題，很多領域的學者，從不同的角度進行瞭深入的討論。《品味大數據》從大數據的曆史、內涵、哲學和技術四個角度，全麵解析大數據，讓讀者對大數據有更深入的瞭解。
全書共11章，大緻分為4塊：第1-3章主要漫談瞭大數據的有趣的曆史，包括數據的啓濛、信息載體的演變和數據管理的發展脈絡。第4-6章主要聊聊大數據的內涵，包括大數據與哲學及第四科學範式的關聯。第7-9張是大數據的雜談，包括大數據的用途、可能麵臨的陷阱以及通過小故事對大數據進行一些反思，第10-11章主要涉及大數據的技術，包括100餘篇大數據論文的漫讀及Hadoop的初級實戰篇。
圖書結構完整，行文幽默，並以圖文並茂、通俗易懂的方式力圖讓讀者心有餘地品味大數據。圖書援引瞭數以百計大傢牛人的觀點，或褒或貶，高手過招，精彩紛呈，是一本不容讀者錯過的大數據圖書。
作者簡介
張玉宏 留美博士，曾跟隨導師Alok Choudhary教授參加瞭奧巴馬總統辦公室有關Big Data（大數據）研討會。
目錄
目錄
序 在路上，學而時習之 / 張玉宏
第一章 大數據簡史漫談之一——數字的來源及數據思維的發展
1.1 人類的“數覺”與計數係統
1.2 關於二進製的一點討論
1.3 數字的誕生與廣泛應用的匹配法
1.4 數學的“問世”與“算法”的祖師爺
1.5 文字的“齣爐”與羅馬語言的來曆
1.6 古代的數據保存之道與文言文的“無奈”精簡
1.7 古代的“數據中心”——圖書館
1.8 古代計算工具的誕生及其演變
1.9 統計學誕生——數據思維的漸起
1.10 美國式的人口普查——大數據催生新技術
1.11 中國式的人口統計與數目字管理
1.12 本章小結與思考
第二章 大數據簡史漫談之二——近代存儲體係發展中的那些人和事
2.1 數據復製與傳播中的問題及解決方案
2.2 影響人類發展進程的幾次能源革命
2.3 不能遺忘的電氣時代的傳奇——特斯拉
2.4 霍爾瑞斯的穿孔卡
2.5 現代通用計算機的奠基者——圖靈和馮·諾伊曼
2.6 波弗勞姆的磁帶發明
2.7 華人王安電腦的磁芯存儲器
2.8 IBM 的傳奇磁存儲世界
2.9 網絡存儲世界的興起
2.10 本章小結與思考
第三章 大數據簡史漫談之三——數據庫的發展與大數據的興起
3.1 近代“數據中心”之夢殤
3.2 “窮”則思變之網狀數據庫
3.3 濃墨重彩之關係數據庫
3.4 突破數據共享封鎖綫的領頭人
3.5 高手對決的數據倉庫領域兩俠客
3.6 嚮非結構化進發的數據大趨勢
3.7 大數據術語的曆史淵源
3.8 現代大數據的誕生
3.9 在混沌和秩序轉化中螺鏇上升
3.10 本章小結與思考
第四章 大數據的內涵
4.1 從數據、信息到知識、智慧的飛躍
4.2 大數據的多版本定義
4.3 大數據——新時代的生産資料
4.4 信息（數據）化、第二經濟與數據思維的轉變
4.5 大數據——來自學術界的青睞
4.6 大數據——來自政府層麵的重視
4.7 大數據——來自工商業的熱捧
4.8 大數據內涵——“豈止於大”
4.8.1 大數據之“大”有不同（Volume）
4.8.2 大數據之唯“快”不破（Velocity）
4.8.3 大數據之五彩繽紛（Variety）
4.8.4 大數據之價“值”無限（Value）
4.8.5 包括但不限於 4V
4.9 本章小結與思考
第五章 大數據時代的一點哲學思考
5.1 哲學與科學的關係——為什麼計算機專業博士也發個哲學文憑（Ph.D）
5.2 大、小數據的“質”不同
5.3 大數據的數理哲學基礎——同構關係
5.4 大數據認識主體的變化——“替人消災”式的認識能免責嗎
5.5 波普爾的世界 3——秦始皇的長生夢，找錯瞭空間
5.6 大數據認識對象的變化——提升普羅大眾的權重 ：“長尾理論”
5.7 認識論對大數據研究的指導意義
5.7.1 科學始於觀察——證實主義
5.7.2 證實主義的睏頓——來自波普爾的批判
5.7.3 科學始於問題——波普爾的貢獻
5.7.4 科學始於數據——大數據時代的科學轉機與思考
5.7.5 大數據的悲觀思潮
5.8 本章小結與思考
第六章 大數據研究的第四範式
6.1 榖歌公司的“不務正業”
6.2 塞吉·布林的“秘密”病情
6.3 布林病情的“治療”方案
6.4 詹姆斯·格雷的科學第四範式
6.5 科學研究的其他三個範式
6.6 本章小結與思考
第七章 大數據，大有為
7.1 洞察帶來價值
7.2 案例 1 ：榖歌是如何“越俎代庖”地預測流感的
7.2.1 流感治療網絡化
7.2.2 “無意間”生産的搜索數據
7.2.3 榖歌工程師們的傑作——流感預測趨勢（GFT）
7.2.4 榖歌的“越俎代庖”為何成功
7.2.5 案例小結 ：數據、模型與理論
7.3 案例 2 ：“全數據”是如何為葉詩文抱不平的
7.3.1 葉詩文事件的新聞背景
7.3.2 什麼是性能分析法
7.3.3 質疑的閤理性在哪裏
7.3.4 “大數據 = 全數據”的威力——為葉詩文抱不平
7.3.5 案例小結
7.4 案例 3 ：大數據是如何對抗癌癥的
7.4.1 癌癥大數據的特徵是什麼
7.4.2 癌癥從哪裏來
7.4.3 大數據用之於癌癥鬥爭，挑戰何在
7.4.4 癌癥診療的基礎大數據——獲取難
7.4.5 數據化帶來的顛覆式醫療——執行難
7.4.6 哪些機構在用大數據對抗癌癥
7.4.7 癌癥大數據的重要源頭——基因組數據
7.4.8 大數據對抗癌癥，前景如何
7.4.9 案例小結
7.5 更多大數據應用案例
7.6 本章小結與思考
第八章 大數據之坑與小數據之美
8.1 引子——哪個 V 纔是大數據最重要的特徵
8.1.1 “大”有不同——Volume（大量）
8.1.2 數據共徵——Velocity（快速）與 Value（價值）
8.1.3 五彩繽“紛”——Variety（多樣）
8.2 大數據的力量與陷阱
8.2.1 大數據的力量
8.2.2 大數據的陷阱
8.2.3 今日王謝堂前燕，暫未飛入百姓傢——大數據還沒那麼普及
8.2.4 你若安好，便是晴天——小數據之美
8.3 本章小結與思考
第九章 12 個小故事，思考大數據
9.1 故事 1 ：大數據都是騙人的啊——大數據預測得準嗎
9.2 故事 2 ：顛簸的街道——對不起，“n=all”隻是一個幻覺
9.3 故事 3 ：醉漢路燈下找鑰匙——大數據的研究方法可笑嗎
9.4 故事 4 ：園中有金不在金——大數據的價值
9.5 故事 5 ：蓋洛普抽樣的成功——大小之爭，“大”數據一定勝過小抽樣嗎
9.6 故事 6 ：點球成金——數據流 PK 球探，誰更重要
9.7 故事 7 ：啤酒和尿布——經典故事是僞造的，你知道嗎
9.8 故事 8 ：榖歌流感預測——預測是如何失效的
9.9 故事 9 ：Target 超市預測女孩懷孕——“大數據”智慧，還是愚蠢
9.10 故事 10 ：你的一夜情我知道——大數據的隱私之痛
9.11 故事 11 ：大數據，無須懼——比薩店員更能知道顧客所有的信息嗎
9.12 故事 12 ：撲朔離迷的“因果關係”——蘇格拉底的“詭辯術”
9.13 本章小結與思考
第十章 大數據技術漫談——需要讀懂的 100 篇大數據文獻
10.1 大數據價值的實現
10.2 大數據分析的關鍵架構層
10.3 架構的演進
10.4 幾個重要的概念
10.5 文件係統層
10.6 數據存儲層
10.7 資源管理器層（Resource Managers）
10.8 調度器（Schedulers）
10.9 協調器（Coordination）
10.10 計算框架（Computational Frameworks）
10.11 數據分析層（Data Analysis）
10.12 數據集成層（Data Integration）
10.13 操作框架層（Operational Frameworks）
10.14 本章小結與思考
第十一章 牛刀小試之 Hadoop 實戰
11.1 什麼是 Hadoop
11.2 Hadoop 發展曆程
11.3 Hadoop 集群服務器的安裝與配置
11.3.1 安裝 CentOS 7
11.3.2 配置 Java 環境
11.3.3 啓動和配置 SSH 服務
11.3.4 安裝 Hadoop
11.3.5 啓動 Hadoop
11.4 運行 Hello World 版 Hadoop 程序——WordCount
11.5 全分布模式下的 Hadoop 集群構建
11.5.1 Linux 以運行等級 3 啓動
11.5.2 在 Windows 和 Mac OS 環境下剋隆虛擬機
11.5.3 設置靜態 IP 地址
11.5.4 修改 hosts 文件
11.5.5 虛擬機的同步配置
11.5.6 SSH 的免密碼登錄
11.5.7 全分布模式下安裝 Hadoop
11.5.8 同步配置文件
11.5.9 創建所需目錄
11.5.10 關閉防火牆
11.5.11 格式化文件係統
11.5.12 啓動 Hadoop 守護進程
11.5.13 驗證全分布模式
11.5.14 默認配置文件所在位置
11.5.15 關閉 Hadoop
11.5.16 Hadoop 的運行錯誤查找
11.6 WordCount 代碼詳解
11.6.1 MapReduce 編程模型
11.6.2 WordCount 的 MapReduce 處理流程
11.6.3 WordCount 源碼解讀
11.7 本章小結與思考
後 記
精彩書摘
5.2 大、小數據的“質”不同大數據的實質是什麼？在第四章中，我們已經討論過這個議題。雖然當前學術界和實業界對此都還沒有一個統一的定義或認知，但從狹義的字麵來理解的話，它應該與小數據相對應，大數據是指數據量特彆巨大，超齣瞭常規的處理能力，需要引入新的科學工具和技術手段，方能夠進行處理的數據集閤。
於此對應的，所謂的小數據指的是，數據規模比較小，用傳統的工具和方法就足以完成處理的數據集閤。下麵我們用一段天文學傢第榖·布拉赫和約翰尼斯·開普勒的故事來舉例說明小數據的應用。
在16 世紀，有位傑齣的占星學傢、天文學學傢，名叫第榖·布拉赫（TychoBrahe，1546—1601）。第榖齣生於丹麥的一個貴族傢庭。早在1572 年，第榖憑藉自己齣色的觀察能力，發現仙後座中的一顆新星，後來受惜纔的普魯士國王腓特烈二世（Friedrich Ⅱ）b 的邀請，他在汶島建造天堡觀象颱，經過20 年的觀測，發現瞭許多新的天文現象。第榖是天文史上的一位奇人。他對於星象所做的觀測精度之高，是他同時代的人望塵莫及的，他編纂的星錶的數據甚至接近瞭肉眼分辨率的極限。
1597 年， 有位纔華橫溢的年輕人約翰尼斯· 開普勒（Johannes Kepler，1571—1630）漸露頭角，年僅26 歲的他齣版瞭自己對宇宙模型猜想的著作——《神秘的宇宙》（Mysterium Cosmographicum）。在這本書中，開普勒設計瞭一個非常有趣的、由許多有規則的幾何形體構成的宇宙模型。
1599 年，第榖看到這本書，十分欣賞開普勒的智慧和纔能，立即誠邀他做自己的助手。開普勒來到第榖身邊以後，師徒二人“珠聯璧閤”，朝夕相處，對天文學領域共同的狂熱，讓他們結成忘年交。
但是，好景不長，開普勒受多疑的妻子的挑唆，突然和第榖決裂，不辭而彆。開普勒的離去，使愛纔如命的第榖非常傷心。他意識到這完全是一種誤會，立即寫信給開普勒解釋，並胸懷寬廣地請他迴來繼續閤作。開普勒讀瞭第榖的誠摯來信，感到十分愧疚。當兩人重修舊時，第榖不記舊怨，不但把纔華齣眾的開普勒推薦給國王腓特烈二世，還把自己20 多年辛勤工作積纍下來的觀測資料和手稿，全部交給開普勒使用。他對開普勒說：“除瞭火星所給予你的麻煩之外，其他一切麻煩都沒有瞭。現在我把火星的研究也要交托於你，它夠你一個人麻煩的瞭。”
開普勒在接手第榖觀測的數據後，這批花費第榖20 多年時間得到的數據，很快就在開普勒手中“妙筆生花”，開普勒經過手工計算，從中發現瞭著名的“行星運動三大定律”，即軌道定律、麵積定律和周期定律。這三大定律最終使開普勒贏得瞭“天空立法者”的美名。開普勒的成就，來自堅實的數據支撐。他憑藉手工，就能處理完第榖20 多年收集而來的數據。這一案例反映的是他處在一個“小數據時代”。
隨後，與開普勒同時代的牛頓，通過論證開普勒行星運動定律與他的引力理論間的一緻性，證明瞭地麵物體與天體的運動都遵循著相同的自然定律，從而發現瞭萬有引力和三大運動定律，現在看來，這也是基於小數據的。這些經典理論的提齣，奠定瞭此後三個世紀裏物理學領域的科學觀點，並成為瞭現代工程學的基礎。再後來，隨著科學的發展，數據量有瞭較大的增加，為瞭處理那些在當時看來的“大數據”，統計學傢發明瞭抽樣方法，其基本要求是，在確保所抽取樣品具備“隨機性”的基礎上，來保證樣本可以對全體具有充分的代錶性，從而推斷全體樣品的特性，由此解決瞭“大”數據處理的難題。
而當前的大數據，不僅是所謂數據海量，而且各種數據的差彆非常大，用抽樣方法難以保證它的有效性。傳統的統計方法，之所以不能適用於現在的大數據，大緻源於如下三點原因。
（1）在第四章中，我們討論瞭大數據的“4V”特徵，其中最能反映大數據和小數據不同之處，就是它的“多樣性”（Variety）：由多種數據來源組成的一個全麵的數據。在多種數據源的應用環境中，抽樣很難保證它的“無偏性”（unbiasedness）。
（2）統計學傢們設計的統計模型，其結論的準確性，強烈依賴於與結論有關的應用類型。目前大數據的主力軍——網絡數據呈現長尾分布（長尾理論將在後麵的小節介紹），使得傳統的標準方差等衡量標準失效，“長相依”和“不平穩”常常超過瞭經典時間序列的基本假設。
（3）傳統的機器學習方法，通過先在較小的數據集樣本中學習，然後調整參數，驗證分類、判定等“假設”和“模型”的適用性，再推而廣之到更大的數據集上。通常來說，一般的NlogN、N2 N2 等級彆的算法復雜度，是可以容忍的，然而麵對PB 級彆（1PB=1 024TB=1 024×1 024GB=1 125 899 906 842 624 Bytes）的大數據處理，這種算法復雜度已經難以忍受，因此需要設計新的數據處理算法來適應這一新情況。江西財經大學科技哲學教授黃欣榮，對小數據和大數據“質”的區彆也做瞭比較到位的描述。
（1）從采集手段上來說，小數據屬於人工數據，是有意測量、采集的數據；而大數據大多數是由智能係統自動采集或人們無意留下的數據（比如，用戶在搜索引擎中使用的搜索關鍵字、服務器運行的各種日誌等），因為當時沒有什麼明顯的用途，很多大數據一度被稱為“垃圾數據”。目前，“數據排放”（data emission）——互聯網用戶留下的點點滴滴（如點擊記錄、瀏覽時間、評價內容等），都可以發掘齣價值，目前正成為網絡經濟主流。在大數據時代，有個口號就是，記錄一切數據，等待有趣的事發生。在特定的生態環境下，用適閤的工具挖掘，大數據中的所謂“垃圾數據”就不再垃圾。
（2）從存儲介質和處理平颱來看，小數據因為容量較小，常存儲於本地存儲介質中，其處理平颱僅需單機即可完成，數據的處理者清楚地知道數據“身處何地”，可以“親力親為”地編寫對應的數據分析程序。而現在的大數據，往往因數量過大，而不得已存放於“雲端”中，“雲深不知處”，雲計算利用自己的“虛擬化”技術，讓用戶不知道也不需要知道數據存在哪颱“雲計算”的服務器上。就如同用水、用電一樣，用戶無須知道自來水廠和發電廠在哪裏一樣，僅僅打開水龍頭、按下開關就能得到水資源和電資源。所謂的雲計算，就其本質而言，就是一種以互聯網為連接中介，以租賃服務的方式，為用戶提供動態可伸縮的虛擬化資源的計算模式。中國寬帶資本基金董事長田溯寜先生曾總結說，大數據與雲計算就好比一個問題的兩麵。如果說大數據是有待解決的問題，那麼雲計算就是問題的解決方法。通過雲計算對大數據進行分析、預測，會使決策更加精準，釋放齣更多的隱藏價值。大數據，這個21 世紀人類探索的新邊疆，正在被新的計算模式——雲計算所發現和徵服。
（3）從數據性質來說，小數據因“有意采集”來支持研究者的假設或觀點，因此可歸屬於“主觀數據”。相比較而言，大數據則因沒有事先滲透主觀意圖，數據的生産者反而能“真情流露”，從而更顯客觀性，因此屬於“客觀數據”。此外，根據捨恩伯格教授的觀點，大數據不再是隨機樣本，而是全體數據。全數據是由多維度數據構成的。一個事物的全息可見，自然比單維度的采集要來得客觀。有些商傢（特彆是大型電商）就是利用顧客的多維度、多層麵“用戶畫像”來更全麵刻畫客戶特徵，從而達到精準營銷。捨恩伯格教授在其著作《大數據時代》一書中，開門見山地提齣瞭大數據的哲學意義：“大數據開啓瞭一次重大的時代轉型。就像藉助望遠鏡，讓我們能夠感知浩瀚的宇宙，藉助顯微鏡，我們能夠觀測渺小的微生物一樣，大數據正作為人類認知世界的新手段、新方法、新工具，改變我們的生活、工作以及理解世界的方式，成為新發明和新服務的源泉，而更多的改變正蓄意待發……”由此可見，大數據，除瞭在信息科學領域成為研究熱點外，在哲學層麵的認知，也應有所突破，這也是人類進一步認識世界的迫切需求。
用戶評價
這本書給我最深刻的印象，莫過於它對於“品味”這個詞的獨特解讀。我原以為“品味大數據”會是一本純粹的技術指南，講解各種算法模型和工具的使用。然而，讀完之後，我發現它遠不止於此。作者似乎想傳遞一種“數據思維”的哲學，一種如何用更敏銳的眼光去審視和理解數據背後的故事。書中不僅僅是羅列數據，更側重於如何從看似雜亂無章的數據洪流中，提煉齣有價值的信息，發現那些隱藏在錶象之下的規律和聯係。我尤其喜歡其中關於“數據洞察”的章節，作者用瞭很多生動的比喻，比如將數據比作“土壤”，將分析師比作“農夫”，將洞察比作“收獲的果實”。這種形象的描述，讓原本抽象的概念變得鮮活起來。在閱讀過程中，我常常會停下來，迴味書中的觀點，思考自己的工作和生活中，是否有被忽略的數據信號。這本書讓我意識到，真正的“品味”大數據，不僅僅在於技術手段的嫻熟，更在於一種對數據的敏感度，一種從數據中發現美、發現價值的能力。它像一位經驗豐富的嚮導，引領我在數據世界的叢林中，找到前行的方嚮。
評分坦白說，我一開始對這本書抱有的期待，是希望能找到一些可以直接應用到工作中的實操技巧，比如如何搭建數據倉庫，或者如何運用某種特定的分析工具。而《品味大數據》這本書，確實也在一定程度上滿足瞭我的需求，但它的價值遠不止於此。它提供瞭一個非常全麵的視角，讓我看到瞭大數據在不同行業、不同領域是如何發揮作用的，從金融風控到醫療健康，從市場營銷到內容創作，幾乎涵蓋瞭我們生活的方方麵麵。我印象最深的是關於“數據驅動決策”的部分，書中詳細闡述瞭企業如何建立一套科學的數據分析體係，如何將數據分析的結果有效地轉化為商業策略。這對於我來說，非常有藉鑒意義。而且，書中的語言風格比較輕鬆，沒有那種學術論文的生硬感，讀起來非常流暢。作者在舉例的時候，也盡量選取瞭讀者容易理解的場景，並且會追溯到最初的數據采集和處理過程，讓我們清楚地知道，每一個分析結果的背後，都有著嚴謹的邏輯鏈條。讀完之後，我感覺自己的視野被極大地拓寬瞭，對大數據的認知也從“是什麼”提升到瞭“怎麼用”和“為什麼這麼用”的層麵。
評分這本書給我帶來的最大衝擊，是它對於“數據倫理”的深度探討。在如今這個信息爆炸、數據泛濫的時代，我們常常聽到關於數據隱私泄露、算法歧視等負麵新聞。《品味大數據》這本書，並沒有迴避這些敏感話題，而是選擇正麵應對，並給齣瞭自己獨到的見解。它詳細分析瞭大數據在應用過程中可能帶來的倫理睏境，例如如何平衡數據收集與用戶隱私，如何避免算法中的偏見，以及如何確保數據使用的公平性和透明度。作者在書中提齣瞭一些非常具有建設性的觀點，比如構建負責任的數據使用框架，加強數據倫理教育等，這些都讓我受益匪淺。讀到這部分內容時，我常常會陷入沉思，思考作為信息時代的個體，我們應該如何保護自己的數據權益，同時也要認識到數據在推動社會進步中的積極作用。這本書讓我明白，技術的發展固然重要，但與之相伴而生的倫理問題，同樣不容忽視。它不僅僅是一本關於大數據的科普讀物，更是一本關於如何在數據時代保持理性、負責任的思考指南，讓我對這個時代有瞭更深刻的理解和敬畏。
評分這本書最大的特點，我認為在於它對“用戶體驗”的關注。在很多關於大數據的討論中，往往聚焦於技術本身，而這本書則將視角巧妙地轉嚮瞭大數據如何影響和改善我們的生活體驗。它讓我明白瞭，我們每天接觸到的各種APP、網站，背後都在悄悄地收集和分析著我們的行為數據，而這些數據，最終的目的都是為瞭提供更個性化、更便捷的服務。書中的一些案例，比如推薦係統是如何學習我們的喜好，個性化廣告是如何精準投放，甚至是智能傢居是如何根據我們的習慣自動調整設置，都讓我感到非常驚嘆。作者用一種非常貼近生活的方式，揭示瞭大數據在我們日常生活中的“幕後故事”。這讓我對周圍的技術應用有瞭更深刻的理解，也開始重新審視自己的數據隱私。更重要的是，這本書讓我看到瞭大數據不僅僅是冰冷的算法，更是連接人與技術，人與人之間的一種全新的溝通方式。它讓我覺得，大數據並非遙不可及，而是與我們每個人息息相關，甚至在潛移默化中塑造著我們的生活方式。
評分這本書的封麵設計就透著一股子沉穩大氣，厚重的質感讓人忍不住想翻開一探究竟。我一直對數據分析和可視化有著濃厚的興趣，但總覺得理論知識有些枯燥，不夠接地氣。《品味大數據》這本書，從我拿到它開始，就給我帶來瞭驚喜。它沒有那種高高在上的說教感，而是用一種非常親切、甚至可以說是“分享”的方式，把大數據這個看似高深的概念，一層層剝開，展現齣它在日常生活和商業應用中的真實模樣。書中的案例分析非常紮實，不是那種停留在錶麵的“大數據能做什麼”的泛泛而談，而是深入到具體場景，比如如何通過用戶行為分析優化電商平颱的推薦算法，如何利用社交媒體數據洞察市場趨勢，甚至是如何在城市管理中運用大數據提升效率。作者在講述這些案例的時候，語言通俗易懂，即使是對大數據完全沒有基礎的讀者，也能很快理解其中的邏輯。而且，書裏穿插的一些關於數據倫理和隱私保護的討論，也讓我受益匪淺，這在當前信息爆炸的時代，顯得尤為重要。總而言之，這本書給我最大的感受就是“實用”和“啓發”，它讓我看到瞭大數據不僅僅是冰冷的數字，更是連接人、連接世界，甚至改變生活的一股強大力量。
評分還可以吧……………………………………………………
評分很不錯啊不錯不錯不錯不錯不錯
評分很不錯啊不錯不錯不錯不錯不錯
評分就是太慢瞭，等瞭十幾天，東西印刷質量不錯
評分漲知識瞭，還好啦，大數據哲學部分，相比於其它大數據圖書，個人覺得最有特色！技術講的少瞭點！總體來說，不錯，好評吧！
評分很不錯啊不錯不錯不錯不錯不錯
評分沒意思
評分一般很少評價，書還是不錯的，少的那一分是賣傢的鍋，拿到一本二手書
評分書城看到，很好，618趁機買瞭。
相關圖書
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.tinynews.org All Rights Reserved. 静思书屋 版权所有