掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
大數據導論 版權信息
- ISBN：9787115612502
- 條形碼：9787115612502 ; 978-7-115-61250-2
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
大數據導論 本書特色
（1）全書內容面廣，章節由簡入深，易于學習。
（2）緊跟時代潮流，注重技術變化，書中包含了新的大數據知識及一些開源工具的介紹。
（3）編寫本書的教師都具有多年的教學經驗，重難點突出，能夠激發學生的學習熱情。
大數據導論 內容簡介
本書全面、系統地介紹了大數據的基本原理與概念，共9章，分別講解大數據的基本知識、大數據與新一代信息技術、數據采集、大數據存儲、數據清洗、大數據分析與挖掘、數據可視化、大數據安全與治理以及大數據的應用。本書全面地介紹了大數據的基礎知識，并對一些大數據的應用實例進行講解。 本書可作為高等院校大數據專業、人工智能專業、軟件技術專業、云計算專業、計算機網絡專業的專業基礎課教材，也可作為大數據愛好者的參考書。
大數據導論 目錄
第１章 大數據的基本知識 1
1.1 大數據概述 1
1.1.1 大數據的特征 1
1.1.2 大數據的意義 3
1.2 大數據的數據類型 6
1.2.1 結構化數據 6
1.2.2 非結構化數據 6
1.2.3 結構化數據和非結構化數據的區別 7
1.3 大數據政策 7
1.3.1 國外的大數據政策 7
1.3.2 國內的大數據政策 9
1.4 小結 10
1.5 習題 10
第２章 大數據與新一代信息技術 11
2.1 大數據與云計算 11
2.1.1 云計算概述 11
2.1.2 大數據與云計算的區別與聯系 17
2.2 大數據與物聯網 18
2.2.1 物聯網概述 18
2.2.2 大數據與物聯網的區別與聯系 21
2.3 大數據與人工智能 21
2.3.1 人工智能概述 21
2.3.2 大數據與人工智能的區別與聯系 25
2.4 大數據與區塊鏈 26
2.4.1 區塊鏈概述 26
2.4.2 大數據與區塊鏈的區別與聯系 27
2.5 小結 28
2.6 習題 29
第3章 數據采集 30
3.1 數據采集概述 30
3.1.1 認識數據采集 30
3.1.2 數據采集的常見方式 31
3.2 數據采集平臺 34
3.2.1 Flume 34
3.2.2 Kafka 35
3.2.3 Logstash 37
3.3 網絡爬蟲 37
3.3.1 認識網絡爬蟲 37
3.3.2 網絡爬蟲的分類及特點 40
3.3.3 網絡爬蟲的道德規范與法律風險 41
3.4 小結 42
3.5 習題 43
第4章 大數據存儲 44
4.1 大數據存儲概述 44
4.1.1 大數據存儲的概念 44
4.1.2 大數據存儲的分類 45
4.2 Hadoop架構 48
4.2.1 認識Hadoop架構 48
4.2.2 Hadoop的起源與發展 49
4.2.3 Hadoop生態組件 51
4.3 NoSQL數據庫 63
4.3.1 認識NoSQL數據庫 63
4.3.2 NoSQL數據庫的分類 63
4.4 數據倉庫 69
4.4.1 認識數據倉庫 70
4.4.2 數據倉庫的特點 73
4.4.3 數據倉庫的應用 73
4.5 小結 74
4.6 習題 74
第5章 數據清洗 75
5.1 數據清洗概述 75
5.1.1 認識數據清洗 75
5.1.2 數據清洗的流程 77
5.1.3 數據質量 78
5.2 數據清洗的方法 82
5.2.1 處理缺失值 82
5.2.2 處理異常值 83
5.2.3 處理重復值 85
5.3 數據清洗的常用工具 85
5.3.1 Python 85
5.3.2 R 87
5.3.3 Kettle 88
5.3.4 DataCleaner 89
5.4 小結 91
5.5 習題 91
第6章 大數據分析與挖掘 92
6.1 大數據分析概述 92
6.1.1 大數據分析的概念 92
6.1.2 大數據分析的常用方法 97
6.2 數據挖掘 102
6.2.1 認識數據挖掘 102
6.2.2 數據挖掘的應用 104
6.3 數據挖掘的常見算法 105
6.3.1 K-Means算法 106
6.3.2 KNN算法 107
6.3.3 樸素貝葉斯算法 108
6.3.4 決策樹算法 110
6.3.5 支持向量機算法 112
6.4 小結 114
6.5 習題 114
第7章 數據可視化 115
7.1 數據可視化概述 115
7.1.1 認識數據可視化 115
7.1.2 數據可視化的類型 122
7.2 數據可視化的方法 123
7.2.1 文本可視化 123
7.2.2 社交網絡可視化 125
7.2.3 地理空間可視化 127
7.3 數據可視化的常見工具 130
7.3.1 ECharts 130
7.3.2 Excel 133
7.3.3 D3 135
7.3.4 Tableau 137
7.4 小結 139
7.5 習題 139
第8章 大數據安全與治理 140
8.1 大數據安全概述 140
8.1.1 認識數據安全 140
8.1.2 大數據面臨的安全挑戰 143
8.1.3 大數據安全的關鍵技術 145
8.2 數據治理 151
8.2.1 認識數據治理 151
8.2.2 數據治理的目標 156
8.2.3 數據治理的實現 157
8.3 小結 169
8.4 習題 169
第9章 大數據的應用 170
9.1 農業大數據 170
9.1.1 認識農業大數據 170
9.1.2 農業大數據的關鍵技術 173
9.1.3 農業大數據的應用 177
9.2 工業大數據 179
9.2.1 認識工業大數據 179
9.2.2 工業大數據的關鍵技術 181
9.2.3 工業大數據的應用 185
9.3 金融大數據 187
9.3.1 認識金融大數據 187
9.3.2 金融大數據的關鍵技術 189
9.3.3 金融大數據的應用 193
9.4 交通大數據 194
9.4.1 認識交通大數據 194
9.4.2 交通大數據的關鍵因素 197
9.4.3 交通大數據的應用 199
9.5 小結 200
9.6 習題 201
參考文獻 202
1.1 大數據概述 1
1.1.1 大數據的特征 1
1.1.2 大數據的意義 3
1.2 大數據的數據類型 6
1.2.1 結構化數據 6
1.2.2 非結構化數據 6
1.2.3 結構化數據和非結構化數據的區別 7
1.3 大數據政策 7
1.3.1 國外的大數據政策 7
1.3.2 國內的大數據政策 9
1.4 小結 10
1.5 習題 10
第２章 大數據與新一代信息技術 11
2.1 大數據與云計算 11
2.1.1 云計算概述 11
2.1.2 大數據與云計算的區別與聯系 17
2.2 大數據與物聯網 18
2.2.1 物聯網概述 18
2.2.2 大數據與物聯網的區別與聯系 21
2.3 大數據與人工智能 21
2.3.1 人工智能概述 21
2.3.2 大數據與人工智能的區別與聯系 25
2.4 大數據與區塊鏈 26
2.4.1 區塊鏈概述 26
2.4.2 大數據與區塊鏈的區別與聯系 27
2.5 小結 28
2.6 習題 29
第3章 數據采集 30
3.1 數據采集概述 30
3.1.1 認識數據采集 30
3.1.2 數據采集的常見方式 31
3.2 數據采集平臺 34
3.2.1 Flume 34
3.2.2 Kafka 35
3.2.3 Logstash 37
3.3 網絡爬蟲 37
3.3.1 認識網絡爬蟲 37
3.3.2 網絡爬蟲的分類及特點 40
3.3.3 網絡爬蟲的道德規范與法律風險 41
3.4 小結 42
3.5 習題 43
第4章 大數據存儲 44
4.1 大數據存儲概述 44
4.1.1 大數據存儲的概念 44
4.1.2 大數據存儲的分類 45
4.2 Hadoop架構 48
4.2.1 認識Hadoop架構 48
4.2.2 Hadoop的起源與發展 49
4.2.3 Hadoop生態組件 51
4.3 NoSQL數據庫 63
4.3.1 認識NoSQL數據庫 63
4.3.2 NoSQL數據庫的分類 63
4.4 數據倉庫 69
4.4.1 認識數據倉庫 70
4.4.2 數據倉庫的特點 73
4.4.3 數據倉庫的應用 73
4.5 小結 74
4.6 習題 74
第5章 數據清洗 75
5.1 數據清洗概述 75
5.1.1 認識數據清洗 75
5.1.2 數據清洗的流程 77
5.1.3 數據質量 78
5.2 數據清洗的方法 82
5.2.1 處理缺失值 82
5.2.2 處理異常值 83
5.2.3 處理重復值 85
5.3 數據清洗的常用工具 85
5.3.1 Python 85
5.3.2 R 87
5.3.3 Kettle 88
5.3.4 DataCleaner 89
5.4 小結 91
5.5 習題 91
第6章 大數據分析與挖掘 92
6.1 大數據分析概述 92
6.1.1 大數據分析的概念 92
6.1.2 大數據分析的常用方法 97
6.2 數據挖掘 102
6.2.1 認識數據挖掘 102
6.2.2 數據挖掘的應用 104
6.3 數據挖掘的常見算法 105
6.3.1 K-Means算法 106
6.3.2 KNN算法 107
6.3.3 樸素貝葉斯算法 108
6.3.4 決策樹算法 110
6.3.5 支持向量機算法 112
6.4 小結 114
6.5 習題 114
第7章 數據可視化 115
7.1 數據可視化概述 115
7.1.1 認識數據可視化 115
7.1.2 數據可視化的類型 122
7.2 數據可視化的方法 123
7.2.1 文本可視化 123
7.2.2 社交網絡可視化 125
7.2.3 地理空間可視化 127
7.3 數據可視化的常見工具 130
7.3.1 ECharts 130
7.3.2 Excel 133
7.3.3 D3 135
7.3.4 Tableau 137
7.4 小結 139
7.5 習題 139
第8章 大數據安全與治理 140
8.1 大數據安全概述 140
8.1.1 認識數據安全 140
8.1.2 大數據面臨的安全挑戰 143
8.1.3 大數據安全的關鍵技術 145
8.2 數據治理 151
8.2.1 認識數據治理 151
8.2.2 數據治理的目標 156
8.2.3 數據治理的實現 157
8.3 小結 169
8.4 習題 169
第9章 大數據的應用 170
9.1 農業大數據 170
9.1.1 認識農業大數據 170
9.1.2 農業大數據的關鍵技術 173
9.1.3 農業大數據的應用 177
9.2 工業大數據 179
9.2.1 認識工業大數據 179
9.2.2 工業大數據的關鍵技術 181
9.2.3 工業大數據的應用 185
9.3 金融大數據 187
9.3.1 認識金融大數據 187
9.3.2 金融大數據的關鍵技術 189
9.3.3 金融大數據的應用 193
9.4 交通大數據 194
9.4.1 認識交通大數據 194
9.4.2 交通大數據的關鍵因素 197
9.4.3 交通大數據的應用 199
9.5 小結 200
9.6 習題 201
參考文獻 202
展開全部
大數據導論 作者簡介
黃源，工學碩士，重慶航天職業技術學院大數據專業帶頭人，教授，研究方向為大數據分析與可視化。近年來負責多項市級教改科研課題，主編出版計算機類教材十余本。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
伊索寓言-世界文學名著典藏-全譯本
- >
朝聞道
- >
史學評論
- >
經典常談
- >
月亮虎
- >
詩經-先民的歌唱
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
