本书内容包括大数据概述、大数据与其他新兴技术的关系、大数据基础知识、大数据应用、数据采集与预处理、数据存储与管理、数据处理与分析、数据可视化、大数据分析综合案例。
电子书
内容简介
本书全面、系统地介绍了大数据的基本原理与概念，并对一些大数据的应用实例进行讲解，共9章，分别讲解大数据的基本知识、大数据与新一代信息技术、数据采集、大数据存储、数据清洗、大数据分析与挖掘、数据可视化、大数据安全与治理以及大数据的应用。 本书可作为高等院校大数据专业、人工智能专业、软件技术专业、云计算专业、计算机网络专业的专业基础课教材，也可作为大数据爱好者的参考书。
章节目录
- 封面
- 扉页
- 版权页
- 内容提要
- 前言
- 第1章 大数据的基本知识
- 1.1 大数据概述
- 1.1.1 大数据的特征
- 1.1.2 大数据的意义
- 1.2 大数据的数据类型
- 1.2.1 结构化数据
- 1.2.2 非结构化数据
- 1.2.3 结构化数据和非结构化数据的区别
- 1.3 大数据政策
- 1.3.1 国外的大数据政策
- 1.3.2 国内的大数据政策
- 1.4 小结
- 1.5 习题
- 第2章 大数据与新一代信息技术
- 2.1 大数据与云计算
- 2.1.1 云计算概述
- 2.1.2 大数据与云计算的区别与联系
- 2.2 大数据与物联网
- 2.2.1 物联网概述
- 2.2.2 大数据与物联网的区别与联系
- 2.3 大数据与人工智能
- 2.3.1 人工智能概述
- 2.3.2 大数据与人工智能的区别与联系
- 2.4 大数据与区块链
- 2.4.1 区块链概述
- 2.4.2 大数据与区块链的区别与联系
- 2.5 小结
- 2.6 习题
- 第3章 数据采集
- 3.1 数据采集概述
- 3.1.1 认识数据采集
- 3.1.2 数据采集的常见方式
- 3.2 数据采集平台
- 3.2.1 Flume
- 3.2.2 Kafka
- 3.2.3 Logstash
- 3.3 网络爬虫
- 3.3.1 认识网络爬虫
- 3.3.2 网络爬虫的分类及特点
- 3.3.3 网络爬虫的道德规范与法律风险
- 3.4 小结
- 3.5 习题
- 第4章 大数据存储
- 4.1 大数据存储概述
- 4.1.1 大数据存储的概念
- 4.1.2 大数据存储的分类
- 4.2 Hadoop架构
- 4.2.1 认识Hadoop架构
- 4.2.2 Hadoop的起源与发展
- 4.2.3 Hadoop生态组件
- 4.3 NoSQL数据库
- 4.3.1 认识NoSQL数据库
- 4.3.2 NoSQL数据库的分类
- 4.4 数据仓库
- 4.4.1 认识数据仓库
- 4.4.2 数据仓库的特点
- 4.4.3 数据仓库的应用
- 4.5 小结
- 4.6 习题
- 第5章 数据清洗
- 5.1 数据清洗概述
- 5.1.1 认识数据清洗
- 5.1.2 数据清洗的流程
- 5.1.3 数据质量
- 5.2 数据清洗的方法
- 5.2.1 处理缺失值
- 5.2.2 处理异常值
- 5.2.3 处理重复值
- 5.3 数据清洗的常用工具
- 5.3.1 Python
- 5.3.2 R
- 5.3.3 Kettle
- 5.3.4 DataCleaner
- 5.4 小结
- 5.5 习题
- 第6章 大数据分析与挖掘
- 6.1 大数据分析概述
- 6.1.1 大数据分析的概念
- 6.1.2 大数据分析的常用方法
- 6.2 数据挖掘
- 6.2.1 认识数据挖掘
- 6.2.2 数据挖掘的应用
- 6.3 数据挖掘的常见算法
- 6.3.1 K-Means算法
- 6.3.2 KNN算法
- 6.3.3 朴素贝叶斯算法
- 6.3.4 决策树算法
- 6.3.5 支持向量机算法
- 6.4 小结
- 6.5 习题
- 第7章 数据可视化
- 7.1 数据可视化概述
- 7.1.1 认识数据可视化
- 7.1.2 数据可视化的类型
- 7.2 数据可视化的方法
- 7.2.1 文本可视化
- 7.2.2 社交网络可视化
- 7.2.3 地理空间可视化
- 7.3 数据可视化的常见工具
- 7.3.1 ECharts
- 7.3.2 Excel
- 7.3.3 D3
- 7.3.4 Tableau
- 7.4 小结
- 7.5 习题
- 第8章 大数据安全与治理
- 8.1 大数据安全概述
- 8.1.1 认识数据安全
- 8.1.2 大数据面临的安全挑战
- 8.1.3 大数据安全的关键技术
- 8.2 数据治理
- 8.2.1 认识数据治理
- 8.2.2 数据治理的目标
- 8.2.3 数据治理的实现
- 8.3 小结
- 8.4 习题
- 第9章 大数据的应用
- 9.1 农业大数据
- 9.1.1 认识农业大数据
- 9.1.2 农业大数据的关键技术
- 9.1.3 农业大数据的应用
- 9.2 工业大数据
- 9.2.1 认识工业大数据
- 9.2.2 工业大数据的关键技术
- 9.2.3 工业大数据的应用
- 9.3 金融大数据
- 9.3.1 认识金融大数据
- 9.3.2 金融大数据的关键技术
- 9.3.3 金融大数据的应用
- 9.4 交通大数据
- 9.4.1 认识交通大数据
- 9.4.2 交通大数据的关键因素
- 9.4.3 交通大数据的应用
- 9.5 小结
- 9.6 习题
- 参考文献
展开全部
大数据导论是2023年由人民邮电出版社出版,作者黄源。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《大数据导论》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书内容包括大数据概述、大数据与云计算、从产业结构来探索大数据技术、大数据的硬件架构——集群、大数据开发与计算技术、大数据存储技术、大数据分析、大数据与人工智能。
电子书
随着大数据时代的到来，涌现出多元化海量数据。大数据背后隐藏着大量的经济利益，尤其是通过数据整合、分析与挖掘，其所表现出的数据整合与控制力量已经远超以往。本书详细介绍了数据科学与大数据技术的详细内容。共分为9章，主要内容包括：大数据与数据科学、数据采集与数据预处理、数据存储、大数据处理平台、数据分析、数据可视化、数据安全与隐私、大数据应用、数据思维。 本书适合作为数据科学与大数据专业及其相关专业本
电子书
本书以大数据处理技术涉及的主要流程为主线，深入浅出地介绍大数据相关的基础知识。本书条理清晰、重点突出，内容循序渐进、难易得当。全书共7章，内容包括大数据概述，大数据采集，大数据存储与管理，大数据分析，数据可视化，数据安全、隐私保护与开放共享，以及大数据技术应用实例。本书还设置了实训和课后习题，通过练习和操作实践，帮助读者巩固所学的内容。
电子书
本书是高校的大数据导论课程教材，清楚地介绍了大数据相关的概念、理论、术语与基础技术，并使用真实连贯的商业案例以及简单的图表，帮助读者更清晰地理解大数据技术。本书可作为高等院校相关专业“大数据基础”“大数据道路”等课程的教材，也可供有一定实践经验的软件开发人员、管理人员和所有对大数据感兴趣的人士阅读。
电子书
随着企业数字化转型不断深化，企业对数据库工程师的需求越来越大。本书结合实际工作场景，将企业数据库运维的相关工作分为10个项目，内容包括了解数据库运维工作，安装和配置MySQL，管理MySQL权限与安全，分析MySQL日志，备份与恢复MySQL，监控、测试并优化MySQL性能，MySQL复制，搭建及运维MySQLCluster，结合Redis的MySQL运维，数据库自动化运维。本书配套教学PPT、题
电子书
随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个
电子书
本书以基本概念与实例相结合的方法，由浅入深、顺序渐进的对大数据思维、技术和应用做了全面系统的介绍。全书共12章，分为大数据基础篇、大数据存储篇、大数据处理篇、大数据挖掘篇和大数据应用篇。每个知识节点都配有与理论学习内容相结合的案例介绍和代码实例，并在每章后面都配有丰富的作业。
