掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數據導論 (本科教材) 版權信息
- ISBN：9787301333341
- 條形碼：9787301333341 ; 978-7-301-33334-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據導論 (本科教材) 本書特色
科大訊飛校企合編教材(真正可實操的大數據教材)：涵蓋大數據各個重要體系，詳解大數據基礎理論，囊括大數據前沿技術，介紹大數據通用知識，培養大數據新型思維，全面實戰大數據。 全面解讀大數據基礎：詳細介紹大數據基礎知識和前沿應用，新手入門**詳細厘清算法邏輯：詳解大數據分析平臺與處理流程、大數據采集與預處理、大數據存儲與管理技術、機器學習與可視化等核心知識深入解析場景應用：算法與實際應用相結合，深入淺出解析大數據在生活和工作中的具體應用可實操、能落地：有理論有實戰，介紹大數據算法與技術的實際應用，步驟清楚，條理清晰，有平臺，能實操
大數據導論 (本科教材) 內容簡介
本書圍繞新工科背景下大數據人才培養需求編寫，系統介紹了大數據采集與預處理、大數據存儲與管理、大數據處理與分析、大數據可視化處理流程；重點分析了科大訊飛大數據平臺在政務、交通、金融和用戶畫像等實際場景中的應用，還介紹了大數據實驗環境的詳細搭建步驟；*后介紹了大數據治理中法律政策、行業標準建設的全新進展，分析了大數據可能帶來的倫理風險和應對策略。 本書將大數據基礎理論與實際案例結合，輔以編程實踐和有針對性的課后習題，可作為高等院校相關專業的導論課教材，也可作為大數據相關從業人員技術參考書。
大數據導論 (本科教材) 目錄
大數據導論 目錄
第 1 章 大數據概述 1
1.1 大數據的產生及其特征 2
1.1.1 大數據的產生 2
1.1.2 大數據的特征 2
1.2 大數據發展 5
1.2.1 大數據發展歷程 5
1.2.2 國外大數據戰略 6
1.2.3 中國大數據戰略與政策 7
1.2.4 大數據立法和標準 8
1.3 大數據思維 9
1.3.1 大數據的價值 9
1.3.2 大數據的思維變革 10
1.4 大數據應用 12
1.4.1 大數據應用層次 12
1.4.2 大數據應用領域 13
1.5 大數據技術與工具 15
1.5.1 大數據處理流程 15
1.5.2 大數據行業全景圖 15
1.5.3 大數據分析平臺 17
1.5.4 大數據編程語言 18
1.6 本章小結 20
1.7 習題 20
第 2 章 大數據采集與預處理 21
2.1 概述 22
2.2 大數據的來源 23
2.3 大數據的采集方法 24
2.3.1 數據庫采集 25
2.3.2 系統日志采集 25
2.3.3 網絡數據采集 25
2.3.4 其他數據采集 26
2.4 大數據預處理方法 27
2.4.1 數據清洗 27
2.4.2 數據集成 30
2.4.3 數據變換 30
2.5 大數據采集與預處理工具 32
2.5.1 網絡爬蟲 Scrapy 32
2.5.2 流數據采集 Kafka 36
2.5.3 ETL 工具 Kettle 38
2.6 本章小結 43
2.7 習題 44
第 3 章 大數據存儲與管理技術 45
3.1 大數據存儲與管理技術概述 46
3.2 分布式文件系統 46
3.2.1 HDFS 47
3.2.2 Ceph 53
3.2.3 GlusterFS 55
3.3 NoSQL 數據庫 57
3.3.1 鍵值數據庫 58
3.3.2 列族數據庫 59
3.3.3 文檔數據庫 62
3.3.4 圖數據庫 62
3.4 大數據查詢系統 63
3.4.1 大數據查詢系統概述 63
3.4.2 Dremel 64
3.5 數據倉庫 65
3.5.1 數據倉庫的特點 65
3.5.2 關系型數據倉庫體系結構 67
3.5.3 數據倉庫 Hive 68
3.5.4 數據倉庫 Impala 70
3.6 本章小結 72
3.7 習題 72
第 4 章 大數據處理與分析系統 73
4.1 概述 74
4.2 谷歌大數據處理系統 74
4.2.1 GFS 74
4.2.2 MapReduce 76
4.2.3 BigTable 76
4.3 分布式計算框架 Hadoop MapReduce 77
4.3.1 Hadoop MapReduce 概述 77
4.3.2 Hadoop MapReduce 應用舉例 79
4.4 快速計算框架 Spark 83
4.4.1 Spark 簡介 83
4.4.2 Spark 運行架構 86
4.4.3 Spark 的部署方式 86
4.4.4 Spark 的數據抽象 RDD 87
4.4.5 Spark MLlib 88
4.4.6 Spark Streaming 89
4.4.7 Spark SQL 91
4.4.8 Spark GraphX 92
4.5 其他大數據分析系統 94
4.5.1 圖計算系統 Pregel 95
4.5.2 流處理系統 Flink 96
4.6 本章小結 97
4.7 習題 97
第 5 章 大數據機器學習 98
5.1 機器學習簡介 99
5.1.1 機器學習的定義 99
5.1.2 機器學習的分類 99
5.1.3 機器學習的歷史 102
5.1.4 機器學習與數據挖掘的關系 106
5.2 數據 107
5.2.1 數據概述 107
5.2.2 帶有標簽的數據和不帶標簽的數據 107
5.2.3 訓練數據、測試數據、驗證數據 108
5.3 有監督學習 109
5.3.1 有監督學習簡介 109
5.3.2 回歸 109
5.3.3 分類 112
5.3.4 常見的有監督學習方法 114
5.4 無監督學習 119
5.4.1 無監督學習簡介 119
5.4.2 聚類 119
5.4.3 關聯分析 122
5.5 強化學習 123
5.5.1 強化學習簡介 123
5.5.2 強化學習主流算法 125
5.5.3 強化學習的使用場景 126
5.6 弱監督學習 127
5.6.1 弱監督學習簡介 127
5.6.2 弱監督學習的分類 127
5.7 機器學習的相關資源與工具 128
5.8 本章小結 130
5.9 習題 131
第 6 章 數據可視化 132
6.1 可視化概述 133
6.1.1 可視化的含義 133
6.1.2 可視化的發展歷程 133
6.1.3 可視化的作用 134
6.2 數據可視化及其分類 135
6.2.1 科學可視化 135
6.2.2 信息可視化 136
6.2.3 可視化分析學 137
6.3 數據可視化工具 138
6.3.1 入門級工具 138
6.3.2 信息圖表工具 138
6.3.3 地圖工具 141
6.3.4 基于編程語言的可視化庫 142
6.4 本章小結 144
6.5 習題 144
第 7 章 大數據行業應用案例 145
7.1 大數據行業應用概述 146
7.2 政務大數據 146
7.3 交通大數據 150
7.3.1 人群生活模式劃分 151
7.3.2 道路擁堵模式預測 156
7.4 征信大數據 160
7.4.1 企業征信大數據應用 160
7.4.2 企業法人資產建模實踐 168
7.5 畫像大數據 171
7.5.1 用戶畫像概述 171
7.5.2 構建用戶畫像流程 172
7.5.3 構建用戶畫像 175
7.5.4 用戶畫像評估和使用 181
7.6 本章小結 182
7.7 習題 182
第 8 章 大數據平臺與實驗環境 183
8.1 大數據平臺與環境概述 184
8.1.1 大數據平臺簡介 184
8.1.2 搭建環境簡介 186
8.2 安裝虛擬機 186
8.3 在虛擬機中安裝 Linux 系統 189
8.4 為 Ubuntu 系統配置 Java 開發環境 191
8.5 在 Ubuntu 系統中安裝 Hadoop 197
8.5.1 查詢和更改主機名 198
8.5.2 更改 host 文件 199
8.5.3 認證 SSH 實現無密碼登錄 200
8.5.4 復制 Hadoop 2.6.0 到指定目錄并解壓 202
8.5.5 配置文件 203
8.5.7 啟動、驗證和關閉 Hadoop 211
8.6 安裝 Eclipse 和 Eclipse-hadoop-plugin 214
8.6.1 安裝 Eclipse 214
8.6.2 配置 Eclipse-hadoop-plugin 214
8.7 新建、導入、運行與調試 Hadoop 工程 216
8.7.1 新建 Hadoop 工程 216
8.7.2 導入已有的 Hadoop 工程 217
8.7.3 運行 Hadoop 工程 219
8.7.4 調試 Hadoop 工程 223
8.8 本章小結 226
8.9 習題 226
第 9 章 大數據治理 227
9.1 大數據治理體系 228
9.2 大數據法律政策 229
9.3 大數據行業標準 231
9.4 大數據治理內容 234
9.5 大數據倫理風險 237
9.6 本章小結 240
9.7 習題 240
主要參考文獻 241
展開全部
大數據導論 (本科教材) 作者簡介
于俊偉，男，1980年5月生，博士，副教授，碩士生導師，2010年畢業于中國科學院自動化研究所，現任職河南工業大學人工智能與大數據學院，主要從事計算機視覺和數據科學等方向的研究和教學工作。主持國家自然科學基金、河南省重點研發與推廣專項、河南省高校重點科研項目等多項科研項目，發表學術論文10余篇，主持翻譯與編著數據科學、計算機視覺等方面著作5部。 母亞雙，男，1987年04月生，博士，碩士生導師，現就職于河南工業大學人工智能與大數據學院，河南工業大學大數據分析處理科研團隊負責人。主要從事機器學習、大數據分析與處理等方向的研究。近年來，主持國家自然科學基金項目1項，河南省科技攻關項目1項，教育部糧食信息處理與控制重點實驗室開放課題1項，河南工業大學青年骨干教師資助項目1項；參與國家自然科學基金面上項目2項，國家自然科學基金青年項目1項，省部級以上項目多項，企事業單位橫向課題多項；在《Pattern Recognition》、《Information Science》等重要學術期刊和國際會議上發表論文二十余篇；申請國家發明專利2項。 閆秋玲，1981年2月生，博士，講師。研究方向是數據挖掘。以第一作者發表論文5篇，發明專利授權一項。主持河南省科技攻關項目一項，河南省教育廳自然科學項目一項。主編教材《大學計算機基礎》，參與翻譯教材《數據庫系統實現》、《人工智能》。
書友推薦
- >
有舍有得是人生
- >
李白與唐代文化
- >
羅曼·羅蘭讀書隨筆-精裝
- >
回憶愛瑪儂
- >
中國歷史的瞬間
- >
詩經-先民的歌唱
- >
姑媽的寶刀
- >
月亮虎
本類暢銷
