中圖網小程序
一鍵登錄
更方便
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
大數據技術原理與實踐(第二版) 版權信息
- ISBN：9787568087179
- 條形碼：9787568087179 ; 978-7-5680-8717-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據技術原理與實踐(第二版) 本書特色
本書內容深入淺出，具有很強的理論與實踐指導作用，可作為數據科學與技術、人工智能、計算機科學、制造科學、機械工程等學科相關專業的本科生、研究生的教材或課程教學參考書，也是對工程技術人員、科研人員而言非常實用的工具書。
大數據技術原理與實踐(第二版) 內容簡介
本書將圍繞大數據技術的基本原理與實踐,介紹了大數據獲取、存儲、分析、數據挖掘和機器學習。內容涵蓋以下主題：Hadoop、Mapreduce、關聯規則、大規模監督機器學習、數據流、集群、NoSQL系統（Pig、Hive），以及包括推薦系統、Web和安全性的應用程序。第1章重點闡述了大數據驅動的商業模式、技術生態體系，大數據的類型、特點、獲取技術。第2章概要介紹了大數據的軟硬件架構，包括大數據技術基礎與軟硬件設施、大數據存儲與管理技術、大數據的分布式處理技術平臺等，包括MapReduce編程框架原理、Spark結構與原理、基于Storm的大規模數據流的分布式處理技術等。第3章介紹了Python編程基礎，包括基本數據類型、基本控制流程、Numpy、Scipy、Pandas等。第4章介紹了大數據分析技術，包括基于MapReduce基礎編程、文本大數據分析與處理技術、大數據關聯分析、相似項的發現、基于大數據的推薦系統、基于大數據的圖與網絡分析、大數據聚類分析、時空大數據分析、非結構化大數據分析與處理、基于Storm的流數據分析技術等。第5章介紹了基于SparkMLlib/Mahout的大數據機器學習，包括機器學習基礎、典型機器學習問題、機器學習評價方法、并行機器學習算法，并進行了利用MLlib解決大數據并行分類問題、利用Mahout解決大數據推薦優化問題實踐。第6章介紹了基于大數據的深度學習技術，包括深度學習基本原理、深度學習典型應用、Keras 基礎入門及應用案例。第7章介紹了材料大數據材料熱導率預測、旅游大數據分析、交通大數據分析、工業大數據分析、產品創新大數據分析等帶代碼、數據的案例。本書內容深入淺出，具有很強的理論與實踐指導作用，可作為數據科學與技術、人工智能、計算機科學、制造科學、機械工程等學科相關專業的本科生、研究生的教材或課程教學參考書，也是對工程技術人員、科研人員而言非常實用的工具書。
大數據技術原理與實踐(第二版) 目錄
第1章大數據技術概覽（1）
1.1數據發展歷史（1）
1.2什么是大數據（5）
1.3大數據的生命周期（8）
第2章Python編程基礎（28）
2.1基本數據類型（28）
2.2基本控制流程（38）
2.3Python的面向對象機制（43）
2.4Numpy、Scipy和Pandas（47）
2.5Matplotlib軟件包（56）
本章小結（60）
習題（60）
第3章大數據的軟硬件架構（61）
3.1大數據技術基礎與軟硬件設施概述（61）
3.2大數據存儲與管理技術（65）
3.3大數據的分布式處理平臺（72）
本章小結（88）
習題（90）
第4章基于Spark MLlib/Mahout的大數據機器學習（91）
4.1機器學習基礎（91）
4.2典型機器學習問題（92）
4.3機器學習評價方法（99）
4.4并行機器學習算法（102）
4.5利用Mahout解決大數據推薦優化問題實踐（104）
本章小結（107）
習題（108）
第5章大數據分析技術（109）
5.1MapReduce編程基礎（109）
5.2基于Storm的流數據分析（119）
5.3文本大數據分析與處理（128）
5.4大數據關聯分析（131）
5.5相似項的發現（134）
5.6基于大數據的推薦技術（138）
5.7基于大數據的圖與網絡分析（142）
5.8大數據聚類分析（150）
5.9時空大數據分析（158）
5.10非結構化大數據分析與處理（164）
5.11利用MLlib解決大數據并行分類問題實踐（169）
本章小結（173）
習題（173）
第6章大數據流式處理（175）
6.1流式處理概述（175）
6.2流式處理模型（183）
6.3流式處理引擎Apache Spark（190）
6.4新一代流式處理引擎 Apach Flink（200）
6.5基于Flink的人體生命體征數據分析與告警（218）
6.6本章小結（229）
6.7習題（230）
第7章基于大數據的深度學習技術與應用（231）
7.1深度學習基本原理（231）
7.2深度學習典型應用（233）
7.3Keras基礎入門（239）
7.4應 用 案 例（241）
本章小結（248）
習題（248）
第8章大數據安全與隱私保護關鍵技術（250）
8.1大數據安全（250）
8.1.2大數據時代的隱私安全挑戰（251）
8.2大數據安全隱私保護（252）
8.3大數據安全與隱私保護的關鍵技術（254）
8.3.1匿名化處理技術（255）
8.3.2加密存儲技術（257）
8.3.4訪問控制技術（260）
8.4大數據安全與隱私保護展望（262）
8.4.1網絡態勢感知：助力大數據發展（262）
8.4.2人工智能：為大數據發展護航（263）
8.5本章小結（263）
習題（264）
第9章帶代碼、數據的案例研究（265）
9.1材料大數據與材料熱導率預測（265）
9.2旅游大數據分析（275）
9.3交通大數據分析（284）
9.4工業大數據分析（289）
9.4.5模型部署及可視化（313）
9.5產品創新大數據分析（322）
9.6基于醫藥網站數據的醫療知識圖譜（328）
9.7車間生產安全監測（337）
9.8人工智能安全案例（350）
9.9司法大數據分析案例（355）
本章小結（382）
習題（382）
參考文獻（383）
1.1數據發展歷史（1）
1.2什么是大數據（5）
1.3大數據的生命周期（8）
第2章Python編程基礎（28）
2.1基本數據類型（28）
2.2基本控制流程（38）
2.3Python的面向對象機制（43）
2.4Numpy、Scipy和Pandas（47）
2.5Matplotlib軟件包（56）
本章小結（60）
習題（60）
第3章大數據的軟硬件架構（61）
3.1大數據技術基礎與軟硬件設施概述（61）
3.2大數據存儲與管理技術（65）
3.3大數據的分布式處理平臺（72）
本章小結（88）
習題（90）
第4章基于Spark MLlib/Mahout的大數據機器學習（91）
4.1機器學習基礎（91）
4.2典型機器學習問題（92）
4.3機器學習評價方法（99）
4.4并行機器學習算法（102）
4.5利用Mahout解決大數據推薦優化問題實踐（104）
本章小結（107）
習題（108）
第5章大數據分析技術（109）
5.1MapReduce編程基礎（109）
5.2基于Storm的流數據分析（119）
5.3文本大數據分析與處理（128）
5.4大數據關聯分析（131）
5.5相似項的發現（134）
5.6基于大數據的推薦技術（138）
5.7基于大數據的圖與網絡分析（142）
5.8大數據聚類分析（150）
5.9時空大數據分析（158）
5.10非結構化大數據分析與處理（164）
5.11利用MLlib解決大數據并行分類問題實踐（169）
本章小結（173）
習題（173）
第6章大數據流式處理（175）
6.1流式處理概述（175）
6.2流式處理模型（183）
6.3流式處理引擎Apache Spark（190）
6.4新一代流式處理引擎 Apach Flink（200）
6.5基于Flink的人體生命體征數據分析與告警（218）
6.6本章小結（229）
6.7習題（230）
第7章基于大數據的深度學習技術與應用（231）
7.1深度學習基本原理（231）
7.2深度學習典型應用（233）
7.3Keras基礎入門（239）
7.4應 用 案 例（241）
本章小結（248）
習題（248）
第8章大數據安全與隱私保護關鍵技術（250）
8.1大數據安全（250）
8.1.2大數據時代的隱私安全挑戰（251）
8.2大數據安全隱私保護（252）
8.3大數據安全與隱私保護的關鍵技術（254）
8.3.1匿名化處理技術（255）
8.3.2加密存儲技術（257）
8.3.4訪問控制技術（260）
8.4大數據安全與隱私保護展望（262）
8.4.1網絡態勢感知：助力大數據發展（262）
8.4.2人工智能：為大數據發展護航（263）
8.5本章小結（263）
習題（264）
第9章帶代碼、數據的案例研究（265）
9.1材料大數據與材料熱導率預測（265）
9.2旅游大數據分析（275）
9.3交通大數據分析（284）
9.4工業大數據分析（289）
9.4.5模型部署及可視化（313）
9.5產品創新大數據分析（322）
9.6基于醫藥網站數據的醫療知識圖譜（328）
9.7車間生產安全監測（337）
9.8人工智能安全案例（350）
9.9司法大數據分析案例（355）
本章小結（382）
習題（382）
參考文獻（383）
展開全部
大數據技術原理與實踐(第二版) 作者簡介
貴州大學機械工程學院院長，博士生導師，教授，2005年入選“西部之光”優秀人才，2008年入選貴州省優秀青年科技人才，2009年入選教育部新世紀優秀人才、貴州省省管專家、享受政府特殊津貼專家，2014年評聘為三級教授，入選貴州省首批高層次創新型人才（百層次）。是貴州大學學術學科帶頭人，機械制造及其自動化、機械電子工程專業博士生導師，中國科學院大學兼職博士生導師。是“十二五”貴州省制造業信息化專家組組長，中國圖學學會理事，貴州省裝備行業協會常務理事，貴陽軍民結合（裝備制造）產業技術創新戰略聯盟副秘書長，貴州省智能電網產業技術創新戰略聯盟副理事長，貴州省計算機學會常務副理事長，《計算機集成制造系統—CIMS》理事會理事，《中國制造業信息化》、《機械設計與制造工程》理事會常務理事，貴州省服務決策專家智庫專家，貴州省青年科技工作者協會常務理事、信息科學與機電工程專業委員會主任委員，貴陽市網絡信息安全協會副會長，《計算機集成系統-CIMS》、《四川大學學報(工程科學版)》、《計算機應用》等期刊的審稿人等。已發表論文130余篇，SCI/EI/ISTP收錄60余篇次，出版專著2部，譯著1部，軟件著作權登記8項、專利7件（其中發明3件）。被鑒定為國際先進、國內領先的成果8項。主持國家自然科學基金、國家863計劃重點項目、國家科技支撐計劃等科研項目30余項。獲省部級科技進步二等獎2次、三等獎2次，貴陽市科技進步特等獎1次、二等獎2次、三等獎1次。
書友推薦
- >
有舍有得是人生
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我從未如此眷戀人間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進士錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
