电子书
内容简介
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。
章节目录
- A-fy
- 53704bq
- C-qy
- D-ml
- 01
- 第1章
- 大数据概述
- 1.1 什么是大数据
- 1.1.1 大数据的来源
- 1．产生数据的3个发展阶段
- 2．利用大数据
- 1.1.2 大数据的定义
- 1.1.3 从信息技术（IT）转向数据技术（DT）
- 1.2 大数据的数据特征及对科学研究的影响
- 1.2.1 大数据的数据特征
- 1.2.2 大数据对科学研究的影响
- 1．促进了科学研究第四范式的产生
- 2．促进了交叉学科的发展
- 1.3 大数据的数据类型
- 1．结构化数据
- 2．非结构化数据
- 3．半结构化数据
- 1.4 大数据的价值及相关技术
- 1.4.1 大数据的可用性及衍生价值
- 1.4.2 大数据存储及处理技术
- 1.5 大数据的发展趋势
- 1．数据的资源化
- 2．与云计算的深度结合
- 3．科学理论的突破
- 4．数据科学和数据联盟的成立
- 5．数据安全
- 6．数据管理成为核心竞争力
- 7．数据质量是商业智能（Business Intelligence，BI）成功的关键
- 8．数据生态系统复合化程度加强
- 习 题
- 02
- 第2章
- 大数据与云计算
- 2.1 云计算概述
- 2.1.1 云计算的提出
- 2.1.2 云计算的定义
- 2.1.3 云计算的概念模型
- 2.1.4 云计算的特点
- 2.2 云计算的主要部署模式
- 2.2.1 公有云
- 2.2.2 私有云
- 2.2.3 混合云
- 2.3 云计算的主要服务模式
- 2.3.1 基础设施即服务（IaaS）
- 2.3.2 平台即服务（PaaS）
- 2.3.3 软件即服务（SaaS）
- 2.3.4 3种服务模式之间的关系
- 1．从用户体验角度分析
- 2．从技术角度分析
- 2.4 云计算与大数据体系架构的关系
- 2.4.1 云计算基础设施—Google平台
- 2.4.2 大数据基础设施—Hadoop平台
- 2.5 物联网、大数据和云计算之间的关系
- 2.5.1 认识物联网
- 2.5.2 边缘计算
- 2.5.3 雾计算
- 2.5.4 大数据和云计算之间的关系
- 习 题
- 03
- 第3章
- 从产业结构来探索大数据技术
- 3.1 大数据产业结构概述
- 3.2 大数据的解决方案
- 3.2.1 大数据的产生、采集与处理方式
- 1．数据产生方式
- 2．数据采集
- 3．数据处理方式
- 3.2.2 大数据处理的基本流程及相应技术
- 1．数据清洗
- 2．数据分析
- 3．数据解释
- 4．用户
- 3.3 大数据采集技术
- 3.3.1 大数据采集概述
- 3.3.2 日志采集系统—Flume
- 3.3.3 消息采集系统—Kafka
- 3.3.4 Scrapy网络爬虫框架
- 1．Scrapy的组成
- 2．Scrapy的工作流程
- 3.4 大数据预处理技术
- 3.4.1 数据预处理
- 1．重复数据的预处理
- 2．噪声数据的预处理
- 3．不完整数据的预处理
- 3.4.2 数据清洗
- 1．缺失值的处理
- 2．噪声数据与离群点的处理
- 3．分箱（Binning）
- 4．回归（Regression）
- 3.4.3 数据集成
- 3.4.4 数据归约
- 1．数据立方体聚集
- 2．维归约
- 3．数据压缩
- 4．数值归约
- 5．数据离散化与概念分层
- 3.5 大数据可视化技术
- 3.5.1 数据可视化的概念
- 3.5.2 数据可视化的分类
- 1．散点图
- 2．气泡图
- 3．折线图
- 4．柱形图
- 5．热力图
- 6．雷达图
- 3.5.3 数据可视化工具
- 1．Excel
- 2．Jupyter
- 3．Tableau
- 4．Google Chart
- 3.5.4 大数据可视化技术的发展方向
- 习 题
- 04
- 第4章
- 大数据的硬件架构——集群
- 4.1 集群的来源
- 4.1.1 并行计算机的发展
- 4.1.2 通过计算机食物链理解集群
- 1．Mainframe（大型主机或大型机）
- 2．Vector Supercomputer（向量巨型计算机或向量机）
- 3．Mini computer（小型机）
- 4．Workstation（工作站）
- 5．PC（Personal Computer，个人计算机）
- 6．COW（Cluster，集群）
- 4.2 集群的产生促进了大数据技术的发展
- 4.3 集群系统的概念及分类
- 4.3.1 集群的基本概念
- 1．可用性及可靠性
- 2．单一系统映像（Single System Image，SSI）
- 3．作业管理（Job Management）
- 4．并行文件系统（Parallel File System，PFS）
- 5．高效通信（Efficient Communication）
- 4.3.2 集群系统的分类
- 1．高性能集群
- 2．负载均衡集群
- 3．高可用集群
- 4．虚拟化集群
- 4.4 集群的结构模型
- 1．主/主（Active/Active）结构模型
- 2．主/从（Active/Passive）结构模型
- 3．混合型（Hybrid）结构模型
- 4.5 集群文件系统
- 1．文件系统
- 2．集群文件系统的概念
- 3．集群文件系统的分类
- 习 题
- 05
- 第5章
- 大数据开发与计算技术
- 5.1 Hadoop—分布式大数据系统
- 5.1.1 Hadoop概述
- 5.1.2 Hadoop架构
- 1．HDFS架构
- 2．MapReduce
- 5.1.3 Hadoop生态系统
- 5.2 Spark—大规模数据实时处理系统
- 5.2.1 Spark概述
- 1．Standalone模式
- 2．Spark on Yarn模式
- 3．Mesos模式
- 5.2.2 弹性分布式数据集
- 5.2.3 Spark扩展功能
- 1．Spark SQL
- 2．Spark Streaming
- 3．MLlib
- 4．GraphX
- 5.3 Storm—基于拓扑的流数据实时 计算系统
- 5.3.1 Storm概述
- 1．Storm的核心概念
- 2．Storm数据流
- 3．Storm的特性
- 5.3.2 Storm的组成结构
- 5.3.3 Storm-Yarn概述
- 5.4 Hadoop、Spark与Storm的比较
- 1．Hadoop
- 2．Spark
- 3．Storm
- 5.5 大数据开发技术与Web应用 开发技术的比较
- 5.5.1 Web应用开发技术简介
- 5.5.2 大数据开发技术简介
- 5.5.3 大数据开发技术与Web应用开发技术的应用环境
- 习 题
- 06
- 第6章
- 大数据存储技术
- 6.1 数据存储概述
- 1．关系型数据库
- 2．非关系型数据库
- 3．大数据存储的基础架构支持云存储、分布式文件系统等
- 6.2 分布式文件系统
- 6.2.1 分布式文件系统的设计思路
- 1．网络文件系统
- 2．存储区域网集群文件系统
- 3．面向对象的并行文件系统
- 6.2.2 最早的分布式文件系统
- 6.2.3 大数据环境下分布式文件系统的优化思路
- 6.3 结构化大数据的存储—Hive
- 6.3.1 Hive简介
- 6.3.2 Hive架构
- 6.3.3 Hive数据模型与存储
- 6.4 半结构化大数据的存储—HBase
- 6.4.1 HBase简介
- 6.4.2 HBase数据模型
- 1．HBase数据模型术语
- 2．HBase概念视图
- 3．HBase物理视图
- 6.4.3 存储架构
- 1．Client
- 2．ZooKeeper
- 3．HMaster
- 4．HRegionServer
- 5．HRegion
- 6．WAL
- 7．HFile
- 6.5 云存储技术
- 6.5.1 云存储的概念及特性
- 1．可靠性
- 2．安全性
- 3．管理方便
- 4．可扩展性
- 6.5.2 云存储系统的结构模型
- 1．存储层
- 2．基础管理层
- 3．应用接口层
- 4．访问层
- 6.5.3 云存储的应用
- 1．个人级云存储的应用
- 2．企业级云存储的应用
- 习 题
- 07
- 第7章
- 大数据分析
- 7.1 大数据分析与数据分析的关系
- 7.1.1 对数据分析师的要求
- 7.1.2 对大数据分析师的要求
- 7.2 大数据分析的重要性及认识数据
- 7.2.1 大数据分析的重要性
- 1．数据分析的重要性
- 2．大数据分析的重要性
- 7.2.2 认识数据
- 7.3 统计数据分析
- 7.4 基于机器学习的数据分析
- 7.4.1 机器学习简介
- 7.4.2 机器学习的主要用途
- 7.4.3 有监督学习、无监督学习和强化学习
- 1．有监督学习
- 2．无监督学习
- 3．强化学习
- 7.5 经典的机器学习算法
- 7.5.1 分类算法原理
- 7.5.2 决策树分类算法
- 7.5.3 K-均值聚类算法
- 7.5.4 Apriori关联规则算法
- 7.5.5 朴素贝叶斯分类算法
- 7.6 基于图的数据分析
- 7.7 基于自然语言的数据分析
- 习 题
- 08
- 第8章
- 大数据与人工智能
- 8.1 人工智能的概念及分类
- 1．弱AI和强AI
- 2．反应式机器、有限记忆、意志理论、自我意识
- 3．认知、机器学习和深度学习
- 8.2 人工智能的发展史
- 1．人工智能的诞生（20世纪40～50年代）
- 2．人工智能的黄金时期（20世纪60～70年代）
- 3．人工智能的低谷（20世纪70～80年代）
- 4．人工智能的繁荣期（20世纪90年代至今）
- 8.3 限制人工智能发展的因素
- 1．可解释性问题
- 2．数据标签
- 3．获取大量的训练数据集
- 4．学习的普遍性
- 5．数据和算法中的偏差
- 8.4 大数据与人工智能的关系
- 1．大数据的积累为人工智能的发展提供燃料
- 2．数据处理技术推进运算能力的提升
- 3．人工智能推进大数据应用的深化
- 8.5 人工智能核心技术概述
- 8.5.1 深度学习
- 8.5.2 卷积神经网络
- 8.5.3 图像处理
- 8.6 人工智能技术应用
- 1．计算机视觉/图像识别
- 2．深度学习/机器学习
- 3．自然语言处理
- 4．语音识别
- 5．智能机器人
- 6．虚拟个人助手
- 7．手势控制
- 8．推荐引擎和协助过滤算法
- 9．情景感知计算
- 10．视频内容自动识别
- 11．语音翻译
- 习 题
- ck
展开全部
大数据导论是2020年由人民邮电出版社出版,作者安俊秀 靳宇倡 等。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
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。
