社交媒體數據挖掘與分析

　　《社交媒體數據挖掘與分析》由工作在大規(guī)模社交媒體數據處理一線的研發(fā)人員撰寫，旨在以更為友好、基礎、實用的方式幫助你理解在線社交媒體?！渡缃幻襟w數據挖掘與分析》圍繞著如何探索和理解社交媒體系統(tǒng)的基本組成部分進行組織，從用戶角度深入剖析收集和應用社交媒體數據的機制，并通過建立在真實數據集上的代碼及分析案例詳細闡述相關數據挖掘方法、技術和工具?！渡缃幻襟w數據挖掘與分析》共7章，第1章介紹典型用戶在社交媒體服務上的行為及其在不同服務中的普遍相似性；第2章主要討論創(chuàng)造了社交網絡的用戶之間的連接；第3章主要探討時間在社交系統(tǒng)中所扮演的角色，并且介紹幫助你理解其作用的工具；第4章回顧自然語言處理技術；第5章介紹分析大型數據集的挑戰(zhàn)；第6章展示如何用機器學習技術預測人們喜歡哪類電影，并對預測結果進行評估；第7章由淺入深地分析全書中用于分析不同問題的通用統(tǒng)計模式，以及如何使用類似的分析技術去理解它們。

　　加博爾·薩博（Gabor Szabo），致力于社交網絡、自組織在線生態(tài)系統(tǒng)、交通運輸系統(tǒng)和自動駕駛領域的大規(guī)模數據分析和建模問題。此前任職于哈佛醫(yī)學院、圣母大學和惠普實驗室，期間的研究重點是描述在線社區(qū)和生物系統(tǒng)中的隨機組織網絡。在此之后，他建立了分布式算法來理解和預測Twitter中的用戶行為。他創(chuàng)建了Lyft拼車網絡的資源分配模型，最近領導著特斯拉自動輔助駕駛（ Tesla's Autopilot）項目的一個團隊。格爾·波拉特坎（Gungor Polatkan），機器學習專家和工程領導者，參與構建了Linkedln和Twitter的服務于個性化內容的大規(guī)模分布式數據管道。最近，他領導著Linkedln的AI后端的設計與實現(xiàn)，并將其推薦引擎從無到有地提升為能夠從5億多用戶中學習數十億個系數的超個性化模型。他在Linkedln部署了早一批深度排名模型，用于Linkedln的垂直搜索，改進了其人才搜索功能。他樂于領導團隊、指導工程師，并在產品的快速迭代過程中培育技術嚴謹和工匠精神的文化。在加入Linkedln之前，他曾在Twitter、普林斯頓大學、谷歌、MERL和加州大學伯克利分校的幾個著名的應用研究小組工作。他在ML&AI期刊和會議發(fā)表并評審過論文，如UAI、ICML和PAMI。P．奧斯卡·柏金（P.Oscar Boykin），在Stripe致力于機器學習基礎設施的建設，建立了預測大規(guī)模欺詐行為的系統(tǒng)。在加入Stripe之前，Oscar在Twitter工作了4年多的時間，先是致力于廣告的建模和預測，而后投身于數據基礎設施系統(tǒng)的建設。在Twitter，Oscar與他人合作開發(fā)了許多開源scala庫，包括Scalding、Algebird、Summingbird和Chill。在加入Twitter之前，Oscar是佛羅里達大學電子與計算機工程系的助理教授。Oscar在加州大學洛杉磯分校獲得物理學博士學位，作為合著者在學術期刊和會議上發(fā)表了數十篇論文。安東尼奧斯·查基奧普洛斯（Antonios Chalkiopoulos），一位快速和大型數據分布式系統(tǒng)專家，具有在媒體、物聯(lián)網、零售和金融行業(yè)交付生產級數據管道的經驗。Antonios是大數據領域的專著作者、開源社區(qū)的貢獻者、Landoop LTD的聯(lián)合創(chuàng)始人和CEO。Landoop LTD為動態(tài)數據創(chuàng)建了創(chuàng)新性的、曾獲獎勵的Lenses平臺。該平臺保證了流數據的可見、可控，它通過直觀的Web接口支持數據發(fā)現(xiàn)，并為數據的移動、監(jiān)控、預警、管理、多重租賃、安全提供了全面的SQL支持，為構建和管理實時數據管道和微服務提供了完整的用戶體驗。