# 2021년 2월 15일 전자책 v1.1 정오표
p365. 예제 7-63 중 2행
tart_station_name -> start_station_name
p419. 예제 8-49 중 4행
escription -> description
p487. 예제 9-29 중 11행
contidence_level -> confidence_level
# 2020년 11월 26일 종이책 1쇄 정오표
p46. 9-10행
이는 10Gb/초로 통신하는 100,000대의 서버에 해당한다.
->
이는 초당 10Gb로 10만 대의 서버가 서로 통신할 수 있는 규모다.
p46. 아래에서 5행
수행현하는 데 -> 수행하는 데
p54. 2번 주석
드레멜에 더 많은 -> 드레멜에 대한 더 많은
p61. 3행
모두 선택하려면는 -> 모두 선택하려면
p118. 표 3-3 BOOL 설명 중
참과 거짓 중 하나 SQL은 -> 참과 거짓 중 하나. SQL은
p125. 아래에서 7행
하는지 알고 있면 -> 하는지 알고 있으면
p128. 아래에서 1-4행
또한 1차 지망으로 진학하는 ~ 명문 대학들을 검색한다.
->
또한 가족 중에 처음으로 대학에 진학하는 학생들을 10% 이상 입학시켜 가정의 중위소득 순으로 순위를 매기는 대학을 골라낸 다음, 문화적, 경제적으로 혜택을 받지 못한 학생들에게 입학 기회를 주는 명문 대학들을 찾아낸다.
p133. 예제 4-14 코드 마지막 줄
./college_scorecard.csv.gz
->
/tmp/college_scorecard.csv.gz
p136. 예제 4-23 코드 내용
bq cp ch04.college_scorecard
someds.college_scorecard_copy
->
bq cp ch04.college_scorecard someds.college_scorecard_copy
p141. 두 번째 문단 2째 줄
CSV 파일을 대상으로 하는 것이 아니며, 데이터 자체도
->
CSV 파일을 대상으로 실행되며, 데이터 자체는
p144. 첫째 줄
다음과 같이 시작하더라도
->
다음과 같이 datestamp=으로 시작하더라도 위의 형식에 어긋나지 않는다.
p150. 본문 3-4째줄
따라서 데이터 분석 팀에 대한 수요는
->
따라서 데이터 분석 팀의 요구사항은
p150. 예제 4-39 6행 FROM 추가
`ch04.cloudaudit_googleapis_com_data_access_2019*`
->
FROM `ch04.cloudaudit_googleapis_com_data_access_2019*`
p157. 그림 4-5 제목 수정
그림 4-5 가족 중에 처음으로 대학에 진학한 학생들을 입학시킨 대학들은 학생 수 또한 작다는 통찰을 구글 시트에서 얻을 수 있다. 즉 가족 중에 처음 대학생이 된 학생들이 10% 늘어나면 중위 가계 소득은 $11,400 감소한다.
p158. 그림 4-6 제목 수정
그림 4-6 가족 중 처음 대학에 진학한 학생이 많은 대학일수록 SAT 평균이 낮은 경향이 있다.
p164. 주석 24번 업데이트
이 기능은 CLI로만 작업 가능하니 https://cloud.google.com/bigquery/external-data-bigtable 페이지를 참고하자. - 옮긴이
p167. 본문 4-5행
이 방법을 이용하면 -> 옮길 수 있다.
->
이 방법을 이용하면 클라우드 빅테이블에 운영 부하를 걸지 않고서 분석 작업 부하를 빅쿼리로 이동시켜 수행할 수 있다.
p169. 12행
대학 점수카드 데이셋을 처리한다. -> 대학 점수카드 데이터셋을 처리한다.
p170. 예제 4-51 코드 중 4행
"dstination_table_name_template" -> "destination_table_name_template"
p171. 8-9행
작업의 런타임이 지정된 날짜 및 시간 형식 파라미터처럼 덧붙어야 한다.
->
지정된 날짜 및 시간 형식 파라미터처럼 작업의 실행 시각을 덧붙여야 한다.
p187. 6행
유출되는 데이터, 스트리밍 로드는 -> 지속적인 스트리밍 로드는
p190. 주석 1번
PUT은 부분적으로 갱신할 때 유용하다.
->
PATCH는 부분적으로 갱신할 때 유용하다.
p198. 하단 참고 박스 중 5째 줄
모든 API를 다루는 것이 중요하므로,
->
전체 API를 다루기가 불가능하므로,
p209. 예제 5-32 중 주석
# blocks and waits
->
# 중단 및 대기
p234. 예제 5-71 중 코드 행 분리
ag, bg, cg = stats.gamma.fit(durations) result['ag'] = ag
->
ag, bg, cg = stats.gamma.fit(durations)
result['ag'] = ag
p255. 14행
새로 로드되거나 리밸런싱되어서 아직 보조 클러스터에 이전되지 데이터는
->
새로 로드되거나 리밸런싱되어서 아직 보조 클러스터에 이전되지 않은 데이터는
p257. 5행
쿼리 마스터의 장애는 쿼리의 재시작으로 유발할 수
->
쿼리 마스터의 장애는 쿼리의 재시작을 유발할 수
p271. 2째 줄
10명이 보기에는
->
본인까지 포함해서 10명이 보기에는
p280. 밑에서 2째 줄
분석 성능이 -> 분석 성능에
p295. 8째 줄
수행하는 작업은 비용을 클러스터링된 테이블을 운영하는 비용도
-> 수행하는 작업은 클러스터링된 테이블을 운영하는 비용도
p343. 예제 7-41 중 제목
London_bicycles -> london_bicycles
p348. 3행
클라우드 데이터락 클러스터에서 -> 클라우드 데이터프록 클러스터에서
p352. 밑에서 3째 줄
30일 이상 멀티리전 -> 30일 이상 된 멀티리전
p365. 예제 7-63 중 2행
tart_station_name -> start_station_name
p377. 10행
최소하하는 방법도 살펴봤다. -> 최소화하는 방법도 살펴봤다.
p404. 1행
상관 크로스 조(CROSS JOIN)을 -> 상관 크로스 조인(CROSS JOIN)을
p419. 예제 8-49 중 4행
escription -> description
p487. 예제 9-29 중 11행
contidence_level -> confidence_level
p498. 주석 19 내용
데이터셋의 마지막 며칠간의 데이터를 학습에 사용하지 못하도록 하면, 데이터 셋의 마지막 며칠 간의 데이터를 학습에 사용하지 못하도록 하면
->
데이터셋의 마지막 며칠 간의 데이터를 학습에 사용하지 못하게 하면,
p527. [AI 플랫폼을 사용해 하이퍼파라미터로 튜닝하기] 절의 5행
하이퍼파라미터 튜닝 서비스를 DNN 모델의
->
하이퍼파라미터 튜닝 서비스로 DNN 모델의
p532. 예제 9-70 코드부 마지막 행
row_restriction=row_restriction)
->
row_restriction=ROW_RESTR
p534. 예제 9-75 윗줄
앞서 살펴본 텐서플로 이그잼플은
-> 앞서 살펴본 텐서플로 이그잼플 객체는
p534. 예제 9-75 아래 2째 줄
그런 다음 텐서플로에서
-> 그런 다음 텐서플로의
p546. 7행
각 역이 제공하는 -> 각 역할이 제공하는
p556. 그림 10-2 이해를 돕기 위해 컬러 이미지를 공개합니다
p561. 18행
할 수 있도록 소프트웨어는 작성한다. -> 할 수 있도록 소프트웨어를 작성한다.
p565. 1행
유휴 시 암호화와 네트워크를 통한 전송 시 암호화를 통해 암호화된다.
->
유휴 시 암호화되며 네트워크를 통해 전송할 때도 암호화된다.
p567. 4행 중 괄호 누락과 잘못된 병기 표현
멀티리전(예를 들면 US와 EU14은 둘 또는 그 이상의 리전을 포함하고 있다. 지원되는 지역의 최신 목록은 빅쿼리 문서(https://cloud.google.com/bigquery/docs/locations)를 참고한다.
->
멀티리전(예를 들면 US와 EU14)은 둘 또는 그 이상의 리전을 포함하고 있다. 지원되는 지역의 최신 목록은 빅쿼리 문서(https://cloud.google.com/bigquery/docs/locations)를 참고한다.
p571. 15행
접근 권한을 가진 사용자들에게
->
접근 권한을 가진 사용자들에게
'+ 도서 오류 정보' 카테고리의 다른 글
| [정오표] 한 권으로 읽는 컴퓨터 구조와 프로그래밍 (12) | 2021.04.09 |
|---|---|
| [정오표] 핵심 딥러닝 입문: RNN, LSTM, GRU, VAE, GAN 구현 (0) | 2021.01.28 |
| [정오표] 구글 빅쿼리 완벽 가이드 (0) | 2020.11.20 |
| [정오표] 파이썬 알고리즘 인터뷰 (18) | 2020.07.21 |
| [정오표] 쿠버네티스 패턴 (0) | 2020.05.11 |
| [정오표] 데이터 시각화 교과서 (0) | 2020.03.23 |
댓글0