- 大数据导论(第2版高等院校数据科学与大数据专业互联网+创新规划教材)
- - 作者：编者:王道平//崔鸿飞//葛根哈斯|责编:郑双
  - 出版社：北京大学
  - ISBN：9787301352205
  - 出版日期：2025/01/01
  - 页数：174
- 售价：15.6

内容大纲
本书紧跟大数据技术的最新发展、重视基础知识体系，系统地介绍了大数据技术与应用的基本概念和思维方式，详细阐述了大数据的采集、存储、处理、分析和可视化等相关内容，并结合了最新的技术应用案例，讲述了大数据在金融、互联网、生物医学等领域的应用以及大数据环境下的隐私和安全问题。
本书既可以作为高等院校大数据、计算机科学与技术、软件工程及相关专业课程的教材，也可以供系统分析师、系统架构师、软件开发工程师、项目经理及对大数据技术感兴趣的读者阅读和参考。
作者介绍
王道平，男，1964年出生，博士。1982年考入清华大学计算机系，1999年至2001年在清华大学从事博士后研究工作，美国得克萨斯大学阿灵顿商学院高级访问学者，现为北京科技大学经济管理学院教授。博士生导师。主要研究方向为供应链与物流管理、智能管理信息系统等。承担国家自然科学基金课题2项，省部级课题多项，主编的教材《现代物流信息技术》和《供应链设计理论与方法》被评为北京市高等教育精品教材。
目录
第1章  大数据概述
  1.1  大数据的背景
    1.1.1  互联网的四次浪潮
    1.1.2  大数据的变革思维
  1.2  大数据简介
    1.2.1  大数据的概念
    1.2.2  大数据的特征
    1.2.3  大数据的结构类型
    1.2.4  大数据的关键技术
    1.2.5  大数据的核心产业链
  1.3  大数据的发展和应用
    1.3.1  大数据的发展态势
    1.3.2  我国大数据发展面临的问题与挑战
    1.3.3  大数据的应用
  小结
  习题
第2章  大数据的采集和预处理
  2.1  大数据的采集
    2.1.1  大数据的采集来源
    2.1.2  大数据的采集方法
    2.1.3  大数据的采集平台
  2.2  大数据的预处理技术
    2.2.1  数据清洗
    2.2.2  数据集成
    2.2.3  数据变换
    2.2.4  数据归约
  2.3  数据仓库与ETL工具
    2.3.1  数据仓库的组成
    2.3.2  数据仓库的数据模型
    2.3.3  常用的ETL工具
  小结
  习题
第3章  大数据存储
  3.1  传统存储
    3.1.1  硬盘
    3.1.2  直连式存储
    3.1.3  网络存储
  3.2  分布式存储
    3.2.1  存储结构
    3.2.2  系统架构
    3.2.3  典型系统
  3.3  云存储
    3.3.1  云存储的结构模型
    3.3.2  云存储的分类
    3.3.3  云存储的优势和劣势
    3.3.4  云存储的发展趋势
  小结
  习题
第4章  大数据处理与计算
  4.1  Hadoop处理框架

    4.1.1  HDFS
    4.1.2  MapReduce
    4.1.3  YARN
    4.1.4  ZooKeeper
  4.2  Spark处理框架
    4.2.1  Scala
    4.2.2  Spark SQL
    4.2.3  Spark Streaming
  4.3  Storm开源流计算框架
    4.3.1  Storm的基本概念
    4.3.2  Spout和Bolt
    4.3.3  Topology
  小结
  习题
第5章  大数据分析
  5.1  大数据分析的类型
    5.1.1  描述性分析
    5.1.2  探索性分析
    5.1.3  验证性分析
  5.2  大数据分析的方法
    5.2.1  回归分析
    5.2.2  关联分析
    5.2.3  分类
    5.2.4  聚类
  5.3  大数据分析的工具
    5.3.1  Excel
    5.3.2  R
    5.3.3  RapidMiner
    5.3.4  KNIME
    5.3.5  Weka
  小结
  习题
第6章  大数据可视化
  6.1  大数据可视化概述
    6.1.1  大数据可视化的概念
    6.1.2  可视化的起源
    6.1.3  大数据可视化的作用
  6.2  大数据可视化的技术
    6.2.1  基于图形的可视化技术
    6.2.2  基于平行坐标法的
可视化技术
    6.2.3  其他大数据可视化技术
  6.3  大数据可视化的工具
    6.3.1  入门级工具
    6.3.2  信息图表工具
    6.3.3  地图工具
    6.3.4  时间线工具
    6.3.5  高级分析工具
  6.4  大数据可视化的发展
    6.4.1  大数据可视化面临的挑战

    6.4.2  大数据可视化的发展方向
    6.4.3  大数据可视化未来的应用
  小结
  习题
第7章  大数据应用
  7.1  大数据在金融领域的应用
    7.1.1  大数据与客户管理
    7.1.2  大数据与风险管控
    7.1.3  大数据与运营优化
  7.2  大数据在互联网领域的应用
    7.2.1  大数据与电子商务
    7.2.2  大数据与社交媒体
    7.2.3  大数据与零售行业
  7.3  大数据在生物医学领域的应用
    7.3.1  大数据与流行病预测
    7.3.2  大数据与智慧医疗
    7.3.3  大数据与生物信息学
  7.4  大数据在其他领域的应用
    7.4.1  大数据与智慧物流
    7.4.2  大数据与汽车行业
    7.4.3  大数据与公共管理
    7.4.4  大数据与教育行业
  小结
  习题
第8章  大数据隐私与安全
  8.1  大数据面临的隐私与安全问题
    8.1.1  大数据隐私与安全的定义
    8.1.2  影响大数据隐私与安全的主要因素
    8.1.3  大数据隐私与安全问题的分类
  8.2  大数据隐私与安全的防护策略
    8.2.1  存储安全策略
    8.2.2  应用安全策略
    8.2.3  管理安全策略
  8.3  大数据隐私与安全的防护技术
    8.3.1  数据采集与存储安全技术
    8.3.2  数据挖掘安全技术
    8.3.3  数据发布安全技术
    8.3.4  防范APT技术
  小结
  习题
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目