欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 大数据导论(工业和信息化精品系列教材)
      • 作者:编者:黄源//龙颖//吴文灵|责编:初美呈
      • 出版社:人民邮电
      • ISBN:9787115612502
      • 出版日期:2023/07/01
      • 页数:201
    • 售价:23.92
  • 内容大纲

        本书全面、系统地介绍了大数据的基本原理与概念,并对一些大数据的应用实例进行讲解,共9章,分别讲解大数据的基本知识、大数据与新一代信息技术、数据采集、大数据存储、数据清洗、大数据分析与挖掘、数据可视化、大数据安全与治理以及大数据的应用。
        本书可作为高等院校大数据专业、人工智能专业、软件技术专业、云计算专业、计算机网络专业的专业基础课教材,也可作为大数据爱好者的参考书。
  • 作者介绍

  • 目录

    第1章  大数据的基本知识
      1.1  大数据概述
        1.1.1  大数据的特征
        1.1.2  大数据的意义
      1.2  大数据的数据类型
        1.2.1  结构化数据
        1.2.2  非结构化数据
        1.2.3  结构化数据和非结构化数据的区别
      1.3  大数据政策
        1.3.1  国外的大数据政策
        1.3.2  国内的大数据政策
      1.4  小结
      1.5  习题
    第2章  大数据与新一代信息技术
      2.1  大数据与云计算
        2.1.1  云计算概述
        2.1.2  大数据与云计算的区别与联系
      2.2  大数据与物联网
        2.2.1  物联网概述
        2.2.2  大数据与物联网的区别与联系
      2.3  大数据与人工智能
        2.3.1  人工智能概述
        2.3.2  大数据与人工智能的区别与联系
      2.4  大数据与区块链
        2.4.1  区块链概述
        2.4.2  大数据与区块链的区别与联系
      2.5  小结
      2.6  习题
    第3章  数据采集
      3.1  数据采集概述
        3.1.1  认识数据采集
        3.1.2  数据采集的常见方式
      3.2  数据采集平台
        3.2.1  Flume
        3.2.2  Kafka
        3.2.3  Logstash
      3.3  网络爬虫
        3.3.1  认识网络爬虫
        3.3.2  网络爬虫的分类及特点
        3.3.3  网络爬虫的道德规范与法律风险
      3.4  小结
      3.5  习题
    第4章  大数据存储
      4.1  大数据存储概述
        4.1.1  大数据存储的概念
        4.1.2  大数据存储的分类
      4.2  Hadoop架构
        4.2.1  认识Hadoop架构
        4.2.2  Hadoop的起源与发展
        4.2.3  Hadoop生态组件

      4.3  NoSQL数据库
        4.3.1  认识NoSQL数据库
        4.3.2  NoSQL数据库的分类
      4.4  数据仓库
        4.4.1  认识数据仓库
        4.4.2  数据仓库的特点
        4.4.3  数据仓库的应用
      4.5  小结
      4.6  习题
    第5章  数据清洗
      5.1  数据清洗概述
        5.1.1  认识数据清洗
        5.1.2  数据清洗的流程
        5.1.3  数据质量
      5.2  数据清洗的方法
        5.2.1  处理缺失值
        5.2.2  处理异常值
        5.2.3  处理重复值
      5.3  数据清洗的常用工具
        5.3.1  Python
        5.3.2  R
        5.3.3  Kettle
        5.3.4  DataCleaner
      5.4  小结
      5.5  习题
    第6章  大数据分析与挖掘
      6.1  大数据分析概述
        6.1.1  大数据分析的概念
        6.1.2  大数据分析的常用方法
      6.2  数据挖掘
        6.2.1  认识数据挖掘
        6.2.2  数据挖掘的应用
      6.3  数据挖掘的常见算法
        6.3.1  K-Means算法
        6.3.2  KNN算法
        6.3.3  朴素贝叶斯算法
        6.3.4  决策树算法
        6.3.5  支持向量机算法
      6.4  小结
      6.5  习题
    第7章  数据可视化
      7.1  数据可视化概述
        7.1.1  认识数据可视化
        7.1.2  数据可视化的类型
      7.2  数据可视化的方法
        7.2.1  文本可视化
        7.2.2  社交网络可视化
        7.2.3  地理空间可视化
      7.3  数据可视化的常见工具
        7.3.1  ECharts

        7.3.2  Excel
        7.3.3  D3
        7.3.4  Tableau
      7.4  小结
      7.5  习题
    第8章  大数据安全与治理
      8.1  大数据安全概述
        8.1.1  认识数据安全
        8.1.2  大数据面临的安全挑战
        8.1.3  大数据安全的关键技术
      8.2  数据治理
        8.2.1  认识数据治理
        8.2.2  数据治理的目标
        8.2.3  数据治理的实现
      8.3  小结
      8.4  习题
    第9章  大数据的应用
      9.1  农业大数据
        9.1.1  认识农业大数据
        9.1.2  农业大数据的关键技术
        9.1.3  农业大数据的应用
      9.2  工业大数据
        9.2.1  认识工业大数据
        9.2.2  工业大数据的关键技术
        9.2.3  工业大数据的应用
      9.3  金融大数据
        9.3.1  认识金融大数据
        9.3.2  金融大数据的关键技术
        9.3.3  金融大数据的应用
      9.4  交通大数据
        9.4.1  认识交通大数据
        9.4.2  交通大数据的关键因素
        9.4.3  交通大数据的应用
      9.5  小结
      9.6  习题
    参考文献