关于本书的内容有任何问题,请联系 初美呈
第1章 大数据的基本知识 1 1.1 大数据概述 1 1.1.1 大数据的特征 1 1.1.2 大数据的意义 3 1.2 大数据的数据类型 6 1.2.1 结构化数据 6 1.2.2 非结构化数据 6 1.2.3 结构化数据和非结构化数据的区别 7 1.3 大数据政策 7 1.3.1 国外的大数据政策 7 1.3.2 国内的大数据政策 9 1.4 小结 10 1.5 习题 10 第2章 大数据与新一代信息技术 11 2.1 大数据与云计算 11 2.1.1 云计算概述 11 2.1.2 大数据与云计算的区别与联系 17 2.2 大数据与物联网 18 2.2.1 物联网概述 18 2.2.2 大数据与物联网的区别与联系 21 2.3 大数据与人工智能 21 2.3.1 人工智能概述 21 2.3.2 大数据与人工智能的区别与联系 25 2.4 大数据与区块链 26 2.4.1 区块链概述 26 2.4.2 大数据与区块链的区别与联系 27 2.5 小结 28 2.6 习题 29 第3章 数据采集 30 3.1 数据采集概述 30 3.1.1 认识数据采集 30 3.1.2 数据采集的常见方式 31 3.2 数据采集平台 34 3.2.1 Flume 34 3.2.2 Kafka 35 3.2.3 Logstash 37 3.3 网络爬虫 37 3.3.1 认识网络爬虫 37 3.3.2 网络爬虫的分类及特点 40 3.3.3 网络爬虫的道德规范与法律风险 41 3.4 小结 42 3.5 习题 43 第4章 大数据存储 44 4.1 大数据存储概述 44 4.1.1 大数据存储的概念 44 4.1.2 大数据存储的分类 45 4.2 Hadoop架构 48 4.2.1 认识Hadoop架构 48 4.2.2 Hadoop的起源与发展 49 4.2.3 Hadoop生态组件 51 4.3 NoSQL数据库 63 4.3.1 认识NoSQL数据库 63 4.3.2 NoSQL数据库的分类 63 4.4 数据仓库 69 4.4.1 认识数据仓库 70 4.4.2 数据仓库的特点 73 4.4.3 数据仓库的应用 73 4.5 小结 74 4.6 习题 74 第5章 数据清洗 75 5.1 数据清洗概述 75 5.1.1 认识数据清洗 75 5.1.2 数据清洗的流程 77 5.1.3 数据质量 78 5.2 数据清洗的方法 82 5.2.1 处理缺失值 82 5.2.2 处理异常值 83 5.2.3 处理重复值 85 5.3 数据清洗的常用工具 85 5.3.1 Python 85 5.3.2 R 87 5.3.3 Kettle 88 5.3.4 DataCleaner 89 5.4 小结 91 5.5 习题 91 第6章 大数据分析与挖掘 92 6.1 大数据分析概述 92 6.1.1 大数据分析的概念 92 6.1.2 大数据分析的常用方法 97 6.2 数据挖掘 102 6.2.1 认识数据挖掘 102 6.2.2 数据挖掘的应用 104 6.3 数据挖掘的常见算法 105 6.3.1 K-Means算法 106 6.3.2 KNN算法 107 6.3.3 朴素贝叶斯算法 108 6.3.4 决策树算法 110 6.3.5 支持向量机算法 112 6.4 小结 114 6.5 习题 114 第7章 数据可视化 115 7.1 数据可视化概述 115 7.1.1 认识数据可视化 115 7.1.2 数据可视化的类型 122 7.2 数据可视化的方法 123 7.2.1 文本可视化 123 7.2.2 社交网络可视化 125 7.2.3 地理空间可视化 127 7.3 数据可视化的常见工具 130 7.3.1 ECharts 130 7.3.2 Excel 133 7.3.3 D3 135 7.3.4 Tableau 137 7.4 小结 139 7.5 习题 139 第8章 大数据安全与治理 140 8.1 大数据安全概述 140 8.1.1 认识数据安全 140 8.1.2 大数据面临的安全挑战 143 8.1.3 大数据安全的关键技术 145 8.2 数据治理 151 8.2.1 认识数据治理 151 8.2.2 数据治理的目标 156 8.2.3 数据治理的实现 157 8.3 小结 169 8.4 习题 169 第9章 大数据的应用 170 9.1 农业大数据 170 9.1.1 认识农业大数据 170 9.1.2 农业大数据的关键技术 173 9.1.3 农业大数据的应用 177 9.2 工业大数据 179 9.2.1 认识工业大数据 179 9.2.2 工业大数据的关键技术 181 9.2.3 工业大数据的应用 185 9.3 金融大数据 187 9.3.1 认识金融大数据 187 9.3.2 金融大数据的关键技术 189 9.3.3 金融大数据的应用 193 9.4 交通大数据 194 9.4.1 认识交通大数据 194 9.4.2 交通大数据的关键因素 197 9.4.3 交通大数据的应用 199 9.5 小结 200 9.6 习题 201 参考文献 202
本书全面地介绍数据分析的流程和Python数据分析库的应用,详细讲解利用Python解决企业实际问题的方法。全...
在当今数字化时代,数据分析在各行各业被广泛应用,数据已经成为企业的核心生产要素,数据分析技术已经成为企业竞争的...
本书是机器学习的入门教材,讲述机器学习的主流算法原理及其应用。全书着重对线性回归、Logistic回归、朴素贝...
“深度学习与计算机视觉” 是一门理论性和实践性都很强的课程,它是Python程序设计、机器学习等前期课程的进阶...
本书较为全面地介绍了Hadoop的应用与开发。全书共11个项目,主要介绍了大数据的基本概念及应用领域、Hado...
我要评论