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
内容简介
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。
章节目录
- 第1章大数据概述
- 1.1 数据
- 1.1.1 数据的概念
- 1.1.2 数据类型
- 1.1.3 数据组织形式
- 1.1.4 数据的使用
- 1.1.5 数据的价值
- 1.1.6 数据爆炸
- 1.2 大数据时代
- 1.2.1 第三次信息化浪潮
- 1.2.2 信息科技为大数据时代提供技术支撑
- 1.2.3 数据产生方式的变革促成大数据时代的来临
- 1.3 大数据的发展历程
- 1.4 世界各国的大数据发展战略
- 1.4.1 美国
- 1.4.2 英国
- 1.4.3 法国
- 1.4.4 韩国
- 1.4.5 日本
- 1.4.6 中国
- 1.5 大数据的概念
- 1.5.1 数据量大
- 1.5.2 数据类型繁多
- 1.5.3 处理速度快
- 1.5.4 价值密度低
- 1.6 大数据的影响
- 1.6.1 大数据对科学研究的影响
- 1.6.2 大数据对社会发展的影响
- 1.6.3 大数据对就业市场的影响
- 1.6.4 大数据对人才培养的影响
- 1.7 大数据的应用
- 1.8 大数据产业
- 1.9 高校大数据专业
- 1.9.1 大数据专业的人才培养目标
- 1.9.2 毕业生就业岗位
- 1.9.3 大数据专业知识体系
- 1.9.4 大数据专业课程体系
- 1.9.5 大数据专业的编程语言
- 1.10 本章小结
- 1.11 习题
- 第2章大数据与其他新兴技术的关系
- 2.1 云计算
- 2.1.1 云计算的概念
- 2.1.2 云计算的服务模式和类型
- 2.1.3 云计算数据中心
- 2.1.4 云计算的应用
- 2.1.5 云计算产业
- 2.2 物联网
- 2.2.1 物联网的概念
- 2.2.2 物联网的关键技术
- 2.2.3 物联网的应用
- 2.2.4 物联网产业
- 2.3 大数据与云计算、物联网的关系
- 2.4 大数据与人工智能
- 2.4.1 人工智能的概念
- 2.4.2 人工智能的关键技术
- 2.4.3 人工智能的应用
- 2.4.4 人工智能产业
- 2.4.5 大数据与人工智能的关系
- 2.5 大数据与区块链
- 2.5.1 从比特币说起
- 2.5.2 区块链的原理
- 2.5.3 区块链的定义
- 2.5.4 区块链的应用
- 2.5.5 大数据与区块链的关系
- 2.6 本章小结
- 2.7 习题
- 第3章大数据基础知识
- 3.1 大数据安全
- 3.1.1 传统数据安全
- 3.1.2 大数据安全与传统数据安全的不同
- 3.1.3 大数据安全问题
- 3.1.4 典型案例
- 3.2 大数据思维
- 3.2.1 传统的思维方式
- 3.2.2 大数据时代需要新的思维方式
- 3.2.3 大数据思维方式
- 3.2.4 运用大数据思维的具体实例
- 3.3 大数据伦理
- 3.3.1 大数据伦理的概念
- 3.3.2 大数据伦理典型案例
- 3.3.3 大数据的伦理问题
- 3.4 数据共享
- 3.4.1 数据孤岛问题
- 3.4.2 数据孤岛问题产生的原因
- 3.4.3 消除数据孤岛的重要意义
- 3.4.4 实现数据共享所面临的挑战
- 3.4.5 推进数据共享开放的举措
- 3.4.6 数据共享案例
- 3.5 数据开放
- 3.5.1 政府开放数据的理论基础
- 3.5.2 政府信息公开与政府数据开放的联系与区别
- 3.5.3 政府数据开放的重要意义
- 3.6 大数据交易
- 3.6.1 大数据交易概述
- 3.6.2 大数据交易发展现状
- 3.6.3 大数据交易平台
- 3.7 本章小结
- 3.8 习题
- 第4章大数据应用
- 4.1 大数据在互联网领域的应用
- 4.1.1 什么是推荐系统
- 4.1.2 长尾理论
- 4.1.3 推荐方法
- 4.1.4 推荐系统模型
- 4.1.5 推荐系统的应用
- 4.2 大数据在生物医学领域的应用
- 4.2.1 流行病预测
- 4.2.2 智慧医疗
- 4.2.3 生物信息学
- 4.2.4 案例：基于大数据的综合健康服务平台
- 4.3 大数据在物流领域的应用
- 4.3.1 智能物流的概念
- 4.3.2 智能物流的作用
- 4.3.3 智能物流的应用
- 4.3.4 大数据是智能物流的关键
- 4.3.5 中国智能物流骨干网—菜鸟
- 4.4 大数据在城市管理领域的应用
- 4.4.1 智能交通
- 4.4.2 环保监测
- 4.4.3 城市规划
- 4.4.4 安防
- 4.4.5 疫情防控
- 4.5 大数据在金融领域的应用
- 4.5.1 高频交易
- 4.5.2 市场情绪分析
- 4.5.3 信贷风险分析
- 4.5.4 大数据征信
- 4.6 大数据在汽车领域的应用
- 4.7 大数据在零售领域的应用
- 4.7.1 发现关联购买行为
- 4.7.2 客户群体细分
- 4.7.3 供应链管理
- 4.8 大数据在餐饮领域的应用
- 4.8.1 餐饮领域拥抱大数据
- 4.8.2 餐饮 O2O
- 4.9 大数据在电信领域的应用
- 4.10 大数据在能源领域的应用
- 4.11 大数据在体育和娱乐领域的应用
- 4.11.1 训练球队
- 4.11.2 投拍影视作品
- 4.11.3 预测比赛结果
- 4.12 大数据在安全领域的应用
- 4.12.1 大数据与国家安全
- 4.12.2 应用大数据技术防御网络攻击
- 4.12.3 警察应用大数据工具预防犯罪
- 4.13 大数据在政府领域的应用
- 4.14 大数据在日常生活中的应用
- 4.15 本章小结
- 4.16 习题
- 第5章数据采集与预处理
- 5.1 数据采集
- 5.1.1 数据采集的概念
- 5.1.2 数据采集的三大要点
- 5.1.3 数据采集的数据源
- 5.1.4 数据采集方法
- 5.1.5 网络爬虫
- 5.2 数据清洗
- 5.2.1 数据清洗的内容
- 5.2.2 数据清洗的注意事项
- 5.3 数据转换
- 5.3.1 数据转换策略
- 5.3.2 平滑处理
- 5.3.3 规范化处理
- 5.4 数据脱敏
- 5.4.1 数据脱敏原则
- 5.4.2 数据脱敏方法
- 5.5 本章小结
- 5.6 习题
- 第6章数据存储与管理
- 6.1 传统的数据存储与管理技术
- 6.1.1 文件系统
- 6.1.2 关系数据库
- 6.1.3 数据仓库
- 6.1.4 并行数据库
- 6.2 大数据时代的数据存储与管理技术
- 6.2.1 分布式文件系统
- 6.2.2 NewSQL和 NoSQL 数据库
- 6.2.3 云数据库
- 6.3 大数据处理架构 Hadoop
- 6.3.1 Hadoop特性
- 6.3.2 Hadoop生态系统
- 6.4 分布式文件系统 HDFS
- 6.4.1 HDFS的设计目标
- 6.4.2 HDFS体系结构
- 6.5 NoSQL数据库
- 6.5.1 键值数据库
- 6.5.2 列族数据库
- 6.5.3 文档数据库
- 6.5.4 图数据库
- 6.6 云数据库
- 6.6.1 云数据库的概念
- 6.6.2 云数据库的特性
- 6.6.3 云数据库与其他数据库的关系
- 6.6.4 代表性云数据库产品
- 6.7 分布式数据库 HBase
- 6.7.1 从 Bigtable说起
- 6.7.2 HBase简介
- 6.7.3 HBase数据模型
- 6.7.4 HBase系统架构
- 6.8 Google Spanner
- 6.9 本章小结
- 6.10 习题
- 第7章数据处理与分析
- 7.1 数据处理与分析的概念
- 7.1.1 数据分析与数据挖掘
- 7.1.2 数据分析与数据处理
- 7.1.3 大数据处理与分析
- 7.2 机器学习和数据挖掘算法
- 7.2.1 概述
- 7.2.2 分类
- 7.2.3 聚类
- 7.2.4 回归分析
- 7.2.5 关联规则
- 7.2.6 协同过滤
- 7.3 大数据处理与分析技术
- 7.3.1 技术分类
- 7.3.2 流计算
- 7.3.3 图计算
- 7.4 大数据处理与分析代表性产品
- 7.4.1 分布式计算框架 MapReduce
- 7.4.2 数据仓库 Hive
- 7.4.3 数据仓库 Impala
- 7.4.4 基于内存的分布式计算框架 Spark
- 7.4.5 机器学习框架 TensorFlowOnSpark
- 7.4.6 流计算框架Storm
- 7.4.7 流计算框架Flink
- 7.4.8 大数据编程框架Beam
- 7.4.9 查询分析系统 Dremel
- 7.5 本章小结
- 7.6 习题
- 第8章数据可视化
- 8.1 可视化概述
- 8.1.1 什么是数据可视化
- 8.1.2 可视化的发展历程
- 8.1.3 可视化的重要作用
- 8.2 可视化图表
- 8.3 可视化工具
- 8.3.1 入门级工具
- 8.3.2 信息图表工具
- 8.3.3 地图工具
- 8.3.4 时间线工具
- 8.3.5 高级分析工具
- 8.4 可视化典型案例
- 8.4.1 全球黑客活动
- 8.4.2 互联网地图
- 8.4.3 编程语言之间的影响力关系图
- 8.4.4 世界国家健康与财富之间的关系
- 8.4.5 3D可视化互联网地图 App
- 8.5 本章小结
- 8.6 习题
- 第9章大数据分析综合案例
- 9.1 案例任务
- 9.2 系统设计
- 9.2.1 系统总体设计
- 9.2.2 数据库设计
- 9.2.3 系统网站设计
- 9.2.4 算法设计
- 9.3 技术选择
- 9.4 系统实现
- 9.5 案例所需知识和技能
- 9.6 本章小结
- 9.7 习题
- 参考文献
展开全部
大数据导论是2020年由人民邮电出版社出版,作者林子雨。
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
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。
电子书
本书以Python作为开发Spark应用程序的编程语言，介绍了Spark编程的基础知识。全书共8章，内容包括大数据技术概述、Spak的设计与运行原理、Spark环境搭建和使用方法、RDD编程、SparkSOL、SparkStreaming、StructuredStreaming和SparkMLlib等。
电子书
全书共有13章，系统地论述了大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、流计算、图计算、数据可视化以及大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase和MapReduce等重要章节，安排了入门级的实践操作，让读者更好地学习和掌握大数据关键技术。
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
本书共8章，内容包括概述、大数据实验环境搭建、网络数据采集、分布式消息系统Kafka、日志采集系统Flume、数据仓库中的数据集成、ETL工具Kettle、使用pandas进行数据清洗。
