| 作者 |
| 李建敦 |
| 丛书名 |
| 普通高等教育人工智能与大数据系列教材 |
| 出版社 |
| 机械工业出版社* |
| ISBN |
| 9787111687375 |
| 简要 |
| 简介 |
| 内容简介 本着“以小见大、实践为先”的理念，在工业大数据的背景下，本书阐述了数据的“前世今生”与内涵、外延，深入浅出地梳理了数据处理的各个阶段及典型框架，内容包括大数据采集、大数据预处理、大数据存储、大数据分析与可视化等，同时还介绍了大数据技术的典型应用。 本书注重学科基础上的知识体系与实践能力，适合作为数据科学相关专业学生的导论教材，也可作为信息类其他专业学生的通识教材，以培养学生的数据思维意识。 |
| 目录 |
前 言 第1章 认识大数据 1 11 信息爆炸 1 111 大数据时代 1 112 数据、信息与知识 2 113 数据的来源 3 12 大数据的概念与特征 4 121 大数据的概念 4 122 大数据的特征 4 123 大数据的类型 5 13 大数据的技术架构及处理技术 6 131 大数据的技术架构 6 132 大数据的处理技术 7 14 大数据处理的集成平台 7 15 工业大数据 8 151 工业大数据及其特征 8 152 工业大数据技术及应用 9 153 工业大数据面临的挑战 10 本章小结 12 阅读材料：啤酒与尿布 12 习题 12 第2章 大数据学科与职业 13 21 大数据学科 13 22 大数据专业人才培养方案 14 23 大数据职业道德 16 本章小结 18 阅读材料：道格 切特 18 习题 19 第3章 大数据生态系统 20 31 大数据生态系统概述 20 32 并行与分布式处理 21 321 并行处理 21 322 分布式处理 22 33 Hadoop 22 331 Hadoop概述 22 332 Hadoop生态圈 25 34 Spark 25 341 Spark概述 25 342 Spark生态圈 26 35 Storm 26 351 Storm概述 27 352 Storm集群架构与工作流程 27 本章小结 28 阅读材料：南森 马茨 28 习题 29 第4章 大数据采集与预处理 30 41 大数据采集与预处理概述 30 411 大数据采集技术 30 412 大数据预处理技术 32 42 大数据采集方法及工具 33 421 网络数据采集方法 33 422 系统日志采集方法 36 423 科研数据采集方法 40 424 关系型数据库数据采集方法 42 43 大数据预处理方法及工具 43 431 数据清洗 43 432 数据集成 45 433 数据归约 46 434 数据变换 49 本章小结 53 阅读材料：园中有金 53 习题 53 第5章 大数据存储 54 51 集中式存储与分布式存储 54 52 非结构化数据库 55 521 NewSQL 56 522 云数据库 56 523 HBase 57 524 MongoDB 58 53 数据仓库与OLAP 59 531 概述 59 532 基本架构 60 533 典型应用 62 本章小结 62 阅读材料：盘古系统 63 习题 63 第6章 大数据分析 64 61 大数据分析与商业智能 64 611 大数据与大数据分析 65 612 大数据分析的种类 66 62 大数据统计分析 67 621 分类问题 68 622 回归问题 72 623 聚类问题 74 624 人工神经网络 75 625 数据建模 80 63 大数据分析的应用与挑战 80 631 Web挖掘 81 632 文本挖掘 84 633 社会网络分析 87 634 智能制造中的数据分析 89 本章小结 89 阅读材料：贝叶斯 89 习题 90 第7章 大数据可视化 91 71 数据可视化概述 91 711 数据可视化的特点 91 712 数据可视化的典型应用 92 72 数据可视化的常用工具 92 721 Tableau 92 722 Matplotlib 93 723 ECharts 94 本章小结 95 阅读材料：马克 扎克伯格 95 习题 96 第8章 大数据技术的典型应用 97 81 案例一：大型工业设备实时监 测系统 97 811 集群部署与配置 97 812 数据表结构 101 82 案例二：基于MapReduce的 薪资核算 102 参考文献 107 |