中圖網(wǎng)小程序
一鍵登錄
更方便
中圖價(jià):¥59.5
加入購物車
大數(shù)據(jù)技術(shù)與應(yīng)用 版權(quán)信息
- ISBN：9787121453083
- 條形碼：9787121453083 ; 978-7-121-45308-3
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
大數(shù)據(jù)技術(shù)與應(yīng)用 內(nèi)容簡(jiǎn)介
“大數(shù)據(jù)技術(shù)與應(yīng)用”是一門大數(shù)據(jù)知識(shí)入門課程，是數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程等專業(yè)的重要前沿理論課程，對(duì)于信息類專業(yè)的學(xué)生掌握大數(shù)據(jù)相關(guān)理論知識(shí)并與企業(yè)工程實(shí)踐接軌具有十分重要的作用。本書共包含9章，第1章為初識(shí)大數(shù)據(jù)，第2章為大數(shù)據(jù)采集，第3章為大數(shù)據(jù)預(yù)處理，第4章為大數(shù)據(jù)存儲(chǔ)，第5章為大數(shù)據(jù)計(jì)算，第6章為大數(shù)據(jù)挖掘，第7章為大數(shù)據(jù)安全，第8章為大數(shù)據(jù)可視化，第9章為大數(shù)據(jù)應(yīng)用案例。本書以大數(shù)據(jù)生命周期為主線，通過理論學(xué)習(xí)+應(yīng)用案例，使學(xué)生參與到大數(shù)據(jù)實(shí)際處理、分析中來，有利于學(xué)生深入理解大數(shù)據(jù)技術(shù)、綜合應(yīng)用大數(shù)據(jù)技術(shù)和面向產(chǎn)業(yè)實(shí)踐大數(shù)據(jù)技術(shù)。本書可作為本科院校相關(guān)專業(yè)課程的教材，也可供相關(guān)技術(shù)人員參考。
大數(shù)據(jù)技術(shù)與應(yīng)用 目錄
第1章 初識(shí)大數(shù)據(jù) 1
1.1 大數(shù)據(jù)的概述 1
1.1.1 大數(shù)據(jù)時(shí)代的背景及定義 1
1.1.2 大數(shù)據(jù)的特征 3
1.1.3 大數(shù)據(jù)的數(shù)據(jù)類型 4
1.2 大數(shù)據(jù)的發(fā)展 6
1.2.1 大數(shù)據(jù)概念的發(fā)展 6
1.2.2 大數(shù)據(jù)技術(shù)的發(fā)展 8
1.3 大數(shù)據(jù)的關(guān)鍵技術(shù) 9
1.3.1 大數(shù)據(jù)采集 9
1.3.2 大數(shù)據(jù)預(yù)處理 10
1.3.3 大數(shù)據(jù)存儲(chǔ) 10
1.3.4 大數(shù)據(jù)計(jì)算 12
1.3.5 大數(shù)據(jù)挖掘 13
1.3.6 大數(shù)據(jù)安全 14
1.3.7 大數(shù)據(jù)可視化 16
1.4 大數(shù)據(jù)的應(yīng)用案例 17
1.4.1 大數(shù)據(jù)在金融領(lǐng)域中的應(yīng)用 17
1.4.2 大數(shù)據(jù)在醫(yī)療領(lǐng)域中的應(yīng)用 17
1.4.3 大數(shù)據(jù)在交通領(lǐng)域中的應(yīng)用 18
1.4.4 大數(shù)據(jù)在土地資源領(lǐng)域中的應(yīng)用 19
1.4.5 大數(shù)據(jù)的其他應(yīng)用 19
1.5 大數(shù)據(jù)面臨的挑戰(zhàn) 20
1.5.1 數(shù)據(jù)隱私和安全 20
1.5.2 數(shù)據(jù)存儲(chǔ)和處理 20
1.5.3 數(shù)據(jù)共享機(jī)制 20
1.5.4 價(jià)值挖掘問題 21
1.5.5 其他挑戰(zhàn) 21
1.6 大數(shù)據(jù)的發(fā)展趨勢(shì) 22
思考題 24
第2章 大數(shù)據(jù)采集 25
2.1 大數(shù)據(jù)采集的基礎(chǔ) 25
2.1.1 傳統(tǒng)數(shù)據(jù)采集 25
2.1.2 大數(shù)據(jù)采集的概述 26
2.2 大數(shù)據(jù)采集的架構(gòu) 27
2.2.1 Scribe 28
2.2.2 Chukwa 29
2.2.3 Kafka 30
2.2.4 Flume 35
2.3 互聯(lián)網(wǎng)數(shù)據(jù)抓取與處理技術(shù) 37
2.3.1 App端數(shù)據(jù)采集 38
2.3.2 網(wǎng)絡(luò)爬蟲 39
2.3.3 常用的網(wǎng)絡(luò)爬蟲方法 43
2.3.4 文本數(shù)據(jù)處理 48
思考題 56
第3章 大數(shù)據(jù)預(yù)處理 57
3.1 數(shù)據(jù)基礎(chǔ)的概念 57
3.1.1 數(shù)據(jù)對(duì)象與屬性類型 57
3.1.2 數(shù)據(jù)的統(tǒng)計(jì)描述 58
3.1.3 數(shù)據(jù)相似性和相異性的度量方法 62
3.2 數(shù)據(jù)預(yù)處理的概述 65
3.2.1 數(shù)據(jù)質(zhì)量 66
3.2.2 主要任務(wù) 66
3.3 數(shù)據(jù)清洗 67
3.3.1 缺失值處理 67
3.3.2 光滑噪聲數(shù)據(jù)處理 68
3.3.3 檢測(cè)偏差與糾正偏差 70
3.4 數(shù)據(jù)集成 70
3.4.1 模式識(shí)別和對(duì)象匹配 71
3.4.2 冗余問題 71
3.4.3 元組重復(fù) 73
3.4.4 數(shù)據(jù)值沖突的檢測(cè)與處理 73
3.5 數(shù)據(jù)規(guī)約 74
3.5.1 離散小波變換 74
3.5.2 主成分分析 75
3.5.3 屬性子集選擇 75
3.5.4 回歸和對(duì)數(shù)線性模型 76
3.5.5 直方圖 77
3.5.6 聚類 78
3.5.7 抽樣 78
3.5.8 數(shù)據(jù)立方體聚集 79
3.6 數(shù)據(jù)轉(zhuǎn)換 80
3.6.1 通過規(guī)范化變換數(shù)據(jù) 81
3.6.2 通過離散化變換數(shù)據(jù) 82
3.6.3 標(biāo)稱數(shù)據(jù)的概念分層變換 83
思考題 84
第4章 大數(shù)據(jù)存儲(chǔ) 85
4.1 HDFS 85
4.1.1 HDFS的概述 85
4.1.2 HDFS的相關(guān)概念 88
4.1.3 HDFS的體系結(jié)構(gòu) 91
4.1.4 HDFS的存儲(chǔ)原理 93
4.1.5 HDFS的數(shù)據(jù)讀/寫過程 96
4.2 分布式數(shù)據(jù)庫HBase 98
4.2.1 概述 98
4.2.2 HBase訪問接口 100
4.2.3 HBase列族數(shù)據(jù)模型 101
4.2.4 HBase的實(shí)現(xiàn) 106
4.2.5 HBase的運(yùn)行機(jī)制 110
4.3 NoSQL 114
4.3.1 NoSQL的簡(jiǎn)介 114
4.3.2 NoSQL的三大基石 118
思考題 122
第5章 大數(shù)據(jù)計(jì)算 123
5.1 批處理計(jì)算 123
5.1.1 MapReduce的概述 124
5.1.2 Map和Reduce 124
5.1.3 MapReduce的工作流程 125
5.1.4 MapReduce實(shí)例 129
5.2 流計(jì)算 133
5.2.1 流計(jì)算的概述 133
5.2.2 Storm 134
5.2.3 增量算法 136
5.3 圖計(jì)算 137
5.3.1 圖計(jì)算的概述 137
5.3.2 Pregel 138
5.4 查詢分析計(jì)算 141
5.5 云計(jì)算 143
5.5.1 云計(jì)算的概述 143
5.5.2 云計(jì)算的關(guān)鍵技術(shù) 144
5.5.3 云計(jì)算與大數(shù)據(jù) 145
5.6 大數(shù)據(jù)計(jì)算平臺(tái) 146
5.6.1 Hadoop 146
5.6.2 Spark 154
思考題 160
第6章 大數(shù)據(jù)挖掘 162
6.1 數(shù)據(jù)挖掘的基礎(chǔ) 162
6.1.1 數(shù)據(jù)挖掘的概述 162
6.1.2 數(shù)據(jù)挖掘的主要任務(wù) 164
6.1.3 數(shù)據(jù)挖掘的對(duì)象 168
6.1.4 數(shù)據(jù)挖掘的工具 168
6.2 聚類分析 171
6.2.1 聚類分析的概述 171
6.2.2 基于劃分的聚類算法 174
6.2.3 基于層次的聚類算法 183
6.2.4 基于密度的聚類算法 190
6.2.5 基于模型的聚類算法 194
6.3 分類分析 195
6.3.1 分類的基礎(chǔ)知識(shí) 195
6.3.2 決策樹分類 197
6.3.3 *近鄰分類器 202
6.3.4 貝葉斯分類器 204
6.3.5 支持向量機(jī)預(yù)測(cè) 205
6.3.6 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 214
6.4 回歸分析 220
6.4.1 回歸分析的概述 220
6.4.2 線性回歸模型 221
6.4.3 支持向量回歸模型 223
6.4.4 邏輯回歸模型 225
6.5 關(guān)聯(lián)分析 227
6.5.1 關(guān)聯(lián)分析的概述 228
6.5.2 Apriori算法 230
6.5.3 FP增長(zhǎng)算法 235
展開全部
大數(shù)據(jù)技術(shù)與應(yīng)用 作者簡(jiǎn)介
趙亮，博士，大連理工大學(xué)控制科學(xué)與工程學(xué)院副教授，碩士生導(dǎo)師。從事工業(yè)互聯(lián)網(wǎng)、智能控制及建筑能源系統(tǒng)信息化等方面的研究，IEC國(guó)際標(biāo)委會(huì)委員，遼寧省優(yōu)秀博士學(xué)位論文獲得者，英國(guó)Staffordshire University訪問學(xué)者。負(fù)責(zé)國(guó)家自然科學(xué)基金項(xiàng)目1項(xiàng)、國(guó)家工信部綠色制造系統(tǒng)集成項(xiàng)目1項(xiàng)、遼寧省科技創(chuàng)新重大專項(xiàng)項(xiàng)目1項(xiàng)，負(fù)責(zé)企業(yè)委托開發(fā)項(xiàng)目多項(xiàng)，參與國(guó)家863重點(diǎn)項(xiàng)目、國(guó)家科技支撐項(xiàng)目1項(xiàng)、國(guó)家自然科學(xué)基金項(xiàng)目等多項(xiàng)，獲日內(nèi)瓦國(guó)際發(fā)明金獎(jiǎng)1項(xiàng)、遼寧省科技進(jìn)步三等獎(jiǎng)1項(xiàng)，獲得專利2項(xiàng)，軟件著作權(quán)登記5項(xiàng)，發(fā)表論文50余篇。
書友推薦
- >
月亮虎
- >
山海經(jīng)
- >
有舍有得是人生
- >
推拿
- >
姑媽的寶刀
- >
伯納黛特,你要去哪(2021新版)
- >
經(jīng)典常談
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
本類暢銷
