中圖網小程序
一鍵登錄
更方便
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
大數據應用基礎教程 版權信息
- ISBN：9787302633211
- 條形碼：9787302633211 ; 978-7-302-63321-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據應用基礎教程 本書特色
《大數據應用基礎教程》以Python程序設計為前置課程，使用房屋中介數據的為主要案例數據集，用生活常識闡述大數據采集、處理、分析、分布式計算的基本原理。以“提出問題—選擇模型—解決問題”以主線，引導學生建立數據思維，提升數據素養。
數據分析創新平臺技術；代碼設計驗證應用案例；生活常識闡釋科學原理
大數據應用基礎教程 內容簡介
《大數據應用基礎教程》旨在培養大學低年級本科生的大數據應用能力，使其初步建立數據思維，以滿足“新 工科”“新醫科”“新農科”“新文科”建設背景下高校培養學生數據素養能力的新要求。 全書共 3 篇。基礎篇（第 1、2 章）主要內容為大數據概述、Python 及常用類庫；數據分析篇（第 3 ～ 7 章）重點闡述數據獲取、存儲、預處理、可視化和分析方法；大數據平臺篇（第 8 ～ 11 章） 著重介紹 Linux 操作系統基礎、大數據管理平臺、分布式存儲和分布式處理。全書提供了大量 應用實例，每章后附有習題。為了便于讀者在單機條件下構建分布式環境，附錄中介紹了基于 虛擬機的 Linux 系統安裝、Hadoop 及 Spark 安裝。 本書適合作為高等院校非計算機專業低年級本科生大數據公共課程的教材，也可供對大數 據感興趣的廣大科技工作者和研究人員參考。
大數據應用基礎教程 目錄
基礎篇
第1章 大數據概述 003
1.1 數據和大數據 ·003
1.1.1 數據的高速增長 ·003
1.1.2 大數據 ·004
1.1.3 科學的范式 ·006
1.2 大數據從哪里來 007
1.3 大數據的應用場景 ·008
1.4 大數據對思維方式的影響 010
1.5 數據挖掘與機器學習 011
1.6 數據科學項目的基本流程 012
1.7 數據安全和大數據倫理 ·013
1.7.1 數據安全 013
1.7.2 大數據倫理 ·015
1.8 國家層面的大數據問題 ·016
1.8.1 數據主權 016
1.8.2 大數據與國家治理 017
1.8.3 大數據重塑世界新格局 018
1.8.4 中國國家大數據戰略 ·019
1.9 云計算 020
1.9.1 云計算的特征 022
1.9.2 云計算的典型服務模式 022
1.9.3 云計算服務部署的環境 023
BIG
DATA 大數據應用基礎教程 IV 1.9.4 云計算和大數據的關系 023 1.10 物聯網 ·023 1.11 數字經濟 025 1.11.1 大數據與數字經濟 026 1.11.2 進一步推動我國數字經濟發展 ·029 本章小結 ·030 習題 ·032 第2章 Python及常用類庫 033 2.1 Python簡介 ·033 2.1.1 Python的誕生 ·033 2.1.2 Python社區 034 2.1.3 Python的版本 ·034 2.1.4 使用Python進行數據分析的原因 036 2.2 Python的安裝與運行 ·037 2.2.1 Anaconda簡介及安裝 037 2.2.2 Python的運行 ·041 2.2.3 小結 046 2.3 Python語言基礎 ·046 2.3.1 數據結構 046 2.3.2 代碼結構 058 2.3.3 小結 069 2.4 Python數據分析的常用類庫 069 2.4.1 NumPy簡介 069 2.4.2 pandas簡介 ·076 2.4.3 小結 095 本章小結 ·095 習題 ·096 數據分析篇 第3章 數據獲取 ·101 3.1 數據來源 ·101 3.2 網絡數據爬取 ·103
BIG
DATA 目
錄 V 3.2.1 網絡爬蟲概述 103 3.2.2 網頁訪問的基礎知識 ·104 3.2.3 網頁數據爬取 109 3.2.4 網頁內容解析 111 3.2.5 常見的“爬取與反爬”攻防策略 115 3.3 網絡數據采集器 118 3.3.1 常見采集器 ·118 3.3.2 八爪魚采集案例 ·118 3.4 使用Selenium獲取數據 ·122 3.4.1 安裝Selenium 122 3.4.2 使用Selenium獲取頁面元素 ·124 3.4.3 Selenium應用：鏈家二手房數據獲取 126 本章小結 ·130 習題 ·130 第4章 數據存儲 ·131 4.1 文件 ·131 4.2 傳統數據庫技術 133 4.2.1 數據庫管理系統 ·133 4.2.2 數據庫的概念模型 134 4.2.3 關系型數據庫 135 4.2.4 結構化查詢語言SQL 136 4.2.5 MySQL數據庫管理 137 4.2.6 基于MySQL monitor的基本數據庫操作 141 4.2.7 基于HeidiSQL的基本數據庫操作 145 4.3 NoSQL數據庫 148 4.3.1 NoSQL的發展背景 ·148 4.3.2 NoSQL數據庫的類型 149 本章小結 ·152 習題 ·152 第5章 數據預處理 153 5.1 數據質量問題 ·153 5.1.1 現實世界的“臟”數據 153 5.1.2 數據質量問題的產生原因 ·155
BIG
DATA 大數據應用基礎教程 5.1.3 數據質量審核 156 5.2 數據預處理技術 158 5.2.1 數據清洗 158 5.2.2 數據集成 159 5.2.3 數據變換 160 5.2.4 數據歸約 161 5.3 預處理案例 162 本章小結 ·166 習題 ·166 第6章 數據可視化 167 6.1 數據可視化概述 167 6.1.1 什么是數據可視化 167 6.1.2 常用的數據可視化工具 168 6.1.3 Python可視化工具庫 169 6.2 Matplotlib數據可視化 ·170 6.2.1 Matplotlib繪圖基礎 170 6.2.2 Matplotlib常用繪圖 172 6.2.3 使用mplot3d繪制3D圖形 ·180 6.3 pandas數據可視化 185 6.3.1 pandas繪圖基礎 ·185 6.3.2 pandas常用繪圖 ·186 6.4 seaborn數據可視化 ·191 6.4.1 seaborn繪圖基礎 191 6.4.2 seaborn常用繪圖 197 6.5 pyecharts數據可視化 ·201 6.5.1 pyecharts繪圖基礎 ·201 6.5.2 pyecharts常用繪圖 ·201 本章小結 ·208 習題 ·208 第7章 數據分析方法 ·211 7.1 數據分析方法的數學基礎 211 7.1.1 理解復合函數求導 211 7.1.2 理解多元函數偏導 212
BIG
DATA 目
錄 7.1.3 理解*小二乘法 ·212 7.1.4 理解梯度 213 7.1.5 理解概率 213 7.1.6 理解條件概率 214 7.1.7 理解貝葉斯公式 ·214 7.2 回歸 ·215 7.2.1 回歸的基本概念及方法 215 7.2.2 回歸預測的性能度量 ·217 7.2.3 線性回歸 218 7.3 分類 ·227 7.3.1 分類的基本方法 ·227 7.3.2 分類任務的性能度量 ·228 7.3.3 邏輯回歸 229 7.3.4 支持向量機 ·240 7.3.5 決策樹理論 ·254 7.3.6 樸素貝葉斯 ·258 7.3.7 k-近鄰（k-NN）算法 ·262 7.4 聚類 ·266 7.4.1 聚類算法 266 7.4.2 K-means聚類算法 267 7.4.3 K-means聚類案例 268 7.5 文本分析 ·276 7.5.1 文本分析的基本步驟 ·277 7.5.2 文本分析的基本概念 ·277 7.5.3 文本分析案例 278 本章小結 ·286 習題 ·286 大數據平臺篇 第8章 Linux操作系統基礎 289 8.1 Linux操作系統簡介289 8.1.1 操作系統 289 8.1.2 Linux操作系統 290
BIG
DATA 大數據應用基礎教程 8.1.3 大數據平臺基于Linux操作系統的原因 ·293 8.2 Linux基本命令293 8.2.1 目錄與文件操作命令 ·293 8.2.2 文本過濾與處理 ·298 8.2.3 Shell輸入輸出命令 ·300 8.2.4 進程管理命令 301 8.2.5 日常操作命令 303 本章小結 ·306 習題 ·306 第9章 大數據管理平臺 307 9.1 應用場景 ·307 9.2 發展歷程 ·309 9.3 技術體系 ·311 9.3.1 數據收集層 ·312 9.3.2 數據存儲層 ·313 9.3.3 資源管理層 ·315 9.3.4 計算引擎層 ·315 9.3.5 數據分析層 ·317 9.3.6 數據可視化層 317 9.3.7 大數據管理平臺技術棧 318 本章小結 ·319 習題 ·319 第10章 分布式存儲 321 10.1 HDFS介紹 ·321 10.2 HDFS基本架構 ·323 10.3 HDFS Shell訪問 ·325 本章小結 ·328 習題 ·328 第11章 分布式處理 329 11.1 分布式計算思想 ·329 11.2 MapReduce 333
BIG
DATA 目
錄 11.2.1 MapReduce介紹 ·333 11.2.2 MapReduce編程模型 ·334 11.2.3 MapReduce程序案例 ·335 11.3 Spark 341 11.3.1 Spark介紹 ·341 11.3.2 Spark編程模型 ·342 11.3.3 Spark程序案例 ·345 11.4 Spark相對于Hadoop的優勢 ·352 本章小結 ·353 習題 ·353 參考文獻 ·355 附錄A 基于虛擬機的Linux系統安裝 359 A.1 虛擬機技術概述 359 A.2 虛擬機托管軟件安裝 360 A.3 虛擬機Linux安裝 ·362 附錄B Hadoop及Spark安裝 371 B.1 集群基礎配置 ·371 B.2 Hadoop安裝 375 B.3 Spark安裝·380
BIG
DATA 大數據應用基礎教程 IV 1.9.4 云計算和大數據的關系 023 1.10 物聯網 ·023 1.11 數字經濟 025 1.11.1 大數據與數字經濟 026 1.11.2 進一步推動我國數字經濟發展 ·029 本章小結 ·030 習題 ·032 第2章 Python及常用類庫 033 2.1 Python簡介 ·033 2.1.1 Python的誕生 ·033 2.1.2 Python社區 034 2.1.3 Python的版本 ·034 2.1.4 使用Python進行數據分析的原因 036 2.2 Python的安裝與運行 ·037 2.2.1 Anaconda簡介及安裝 037 2.2.2 Python的運行 ·041 2.2.3 小結 046 2.3 Python語言基礎 ·046 2.3.1 數據結構 046 2.3.2 代碼結構 058 2.3.3 小結 069 2.4 Python數據分析的常用類庫 069 2.4.1 NumPy簡介 069 2.4.2 pandas簡介 ·076 2.4.3 小結 095 本章小結 ·095 習題 ·096 數據分析篇 第3章 數據獲取 ·101 3.1 數據來源 ·101 3.2 網絡數據爬取 ·103
BIG
DATA 目
錄 V 3.2.1 網絡爬蟲概述 103 3.2.2 網頁訪問的基礎知識 ·104 3.2.3 網頁數據爬取 109 3.2.4 網頁內容解析 111 3.2.5 常見的“爬取與反爬”攻防策略 115 3.3 網絡數據采集器 118 3.3.1 常見采集器 ·118 3.3.2 八爪魚采集案例 ·118 3.4 使用Selenium獲取數據 ·122 3.4.1 安裝Selenium 122 3.4.2 使用Selenium獲取頁面元素 ·124 3.4.3 Selenium應用：鏈家二手房數據獲取 126 本章小結 ·130 習題 ·130 第4章 數據存儲 ·131 4.1 文件 ·131 4.2 傳統數據庫技術 133 4.2.1 數據庫管理系統 ·133 4.2.2 數據庫的概念模型 134 4.2.3 關系型數據庫 135 4.2.4 結構化查詢語言SQL 136 4.2.5 MySQL數據庫管理 137 4.2.6 基于MySQL monitor的基本數據庫操作 141 4.2.7 基于HeidiSQL的基本數據庫操作 145 4.3 NoSQL數據庫 148 4.3.1 NoSQL的發展背景 ·148 4.3.2 NoSQL數據庫的類型 149 本章小結 ·152 習題 ·152 第5章 數據預處理 153 5.1 數據質量問題 ·153 5.1.1 現實世界的“臟”數據 153 5.1.2 數據質量問題的產生原因 ·155
BIG
DATA 大數據應用基礎教程 5.1.3 數據質量審核 156 5.2 數據預處理技術 158 5.2.1 數據清洗 158 5.2.2 數據集成 159 5.2.3 數據變換 160 5.2.4 數據歸約 161 5.3 預處理案例 162 本章小結 ·166 習題 ·166 第6章 數據可視化 167 6.1 數據可視化概述 167 6.1.1 什么是數據可視化 167 6.1.2 常用的數據可視化工具 168 6.1.3 Python可視化工具庫 169 6.2 Matplotlib數據可視化 ·170 6.2.1 Matplotlib繪圖基礎 170 6.2.2 Matplotlib常用繪圖 172 6.2.3 使用mplot3d繪制3D圖形 ·180 6.3 pandas數據可視化 185 6.3.1 pandas繪圖基礎 ·185 6.3.2 pandas常用繪圖 ·186 6.4 seaborn數據可視化 ·191 6.4.1 seaborn繪圖基礎 191 6.4.2 seaborn常用繪圖 197 6.5 pyecharts數據可視化 ·201 6.5.1 pyecharts繪圖基礎 ·201 6.5.2 pyecharts常用繪圖 ·201 本章小結 ·208 習題 ·208 第7章 數據分析方法 ·211 7.1 數據分析方法的數學基礎 211 7.1.1 理解復合函數求導 211 7.1.2 理解多元函數偏導 212
BIG
DATA 目
錄 7.1.3 理解*小二乘法 ·212 7.1.4 理解梯度 213 7.1.5 理解概率 213 7.1.6 理解條件概率 214 7.1.7 理解貝葉斯公式 ·214 7.2 回歸 ·215 7.2.1 回歸的基本概念及方法 215 7.2.2 回歸預測的性能度量 ·217 7.2.3 線性回歸 218 7.3 分類 ·227 7.3.1 分類的基本方法 ·227 7.3.2 分類任務的性能度量 ·228 7.3.3 邏輯回歸 229 7.3.4 支持向量機 ·240 7.3.5 決策樹理論 ·254 7.3.6 樸素貝葉斯 ·258 7.3.7 k-近鄰（k-NN）算法 ·262 7.4 聚類 ·266 7.4.1 聚類算法 266 7.4.2 K-means聚類算法 267 7.4.3 K-means聚類案例 268 7.5 文本分析 ·276 7.5.1 文本分析的基本步驟 ·277 7.5.2 文本分析的基本概念 ·277 7.5.3 文本分析案例 278 本章小結 ·286 習題 ·286 大數據平臺篇 第8章 Linux操作系統基礎 289 8.1 Linux操作系統簡介289 8.1.1 操作系統 289 8.1.2 Linux操作系統 290
BIG
DATA 大數據應用基礎教程 8.1.3 大數據平臺基于Linux操作系統的原因 ·293 8.2 Linux基本命令293 8.2.1 目錄與文件操作命令 ·293 8.2.2 文本過濾與處理 ·298 8.2.3 Shell輸入輸出命令 ·300 8.2.4 進程管理命令 301 8.2.5 日常操作命令 303 本章小結 ·306 習題 ·306 第9章 大數據管理平臺 307 9.1 應用場景 ·307 9.2 發展歷程 ·309 9.3 技術體系 ·311 9.3.1 數據收集層 ·312 9.3.2 數據存儲層 ·313 9.3.3 資源管理層 ·315 9.3.4 計算引擎層 ·315 9.3.5 數據分析層 ·317 9.3.6 數據可視化層 317 9.3.7 大數據管理平臺技術棧 318 本章小結 ·319 習題 ·319 第10章 分布式存儲 321 10.1 HDFS介紹 ·321 10.2 HDFS基本架構 ·323 10.3 HDFS Shell訪問 ·325 本章小結 ·328 習題 ·328 第11章 分布式處理 329 11.1 分布式計算思想 ·329 11.2 MapReduce 333
BIG
DATA 目
錄 11.2.1 MapReduce介紹 ·333 11.2.2 MapReduce編程模型 ·334 11.2.3 MapReduce程序案例 ·335 11.3 Spark 341 11.3.1 Spark介紹 ·341 11.3.2 Spark編程模型 ·342 11.3.3 Spark程序案例 ·345 11.4 Spark相對于Hadoop的優勢 ·352 本章小結 ·353 習題 ·353 參考文獻 ·355 附錄A 基于虛擬機的Linux系統安裝 359 A.1 虛擬機技術概述 359 A.2 虛擬機托管軟件安裝 360 A.3 虛擬機Linux安裝 ·362 附錄B Hadoop及Spark安裝 371 B.1 集群基礎配置 ·371 B.2 Hadoop安裝 375 B.3 Spark安裝·380
展開全部
書友推薦
- >
月亮與六便士
- >
巴金－再思錄
- >
【精裝繪本】畫給孩子的中國神話
- >
莉莉和章魚
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
名家帶你讀魯迅:故事新編
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
