大数据技术导论（）

图书标准信息

• 作者 李旭耀 著；樊继慧
• 出版社 水利水电出版社
• 出版时间 2022-11
• 版次 1
• ISBN 9787522611013
• 定价 32.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 字数 237.000千字
• 丛书 普通高等教育数据科学与大数据技术专业教材

【内容简介】

本书根据现有的大数据技术理论，综合介绍了大数据技术的相关基础理论知识，并提供了部分实践操作介绍。全书共 8 个章节，内容包含大数据的概念与特征，大数据计量，大数据生命周期，大数据与云计算，大数据处理架构Hadoop，分布式文件系统 HDFS，MapReduce，大数据编程语言Python，Spark，R语言，爬虫技术，MINIST 数字识别技术，数据建模，k- 邻近分类算法，聚类分析，数据预处理，数据可视化，大数据应用，大数据安全与威胁。本书分别在大数据采集与预处理、数据挖掘与分析等重要章节中安排了入门级的实践操作，以便读者更好地学习和掌握大数据关键技术。本书可以作为高等院校数据科学与大数据等相关专业的课程教材，亦可作为大数据爱好者的科普读物。

【目录】

前言

第1章 概论

1.1 揭秘大数据

1.1.1 大数据概念和特征

1.1.2 大数据的计量

1.1.3 大数据生命周期

1.1.4 大数据与云计算

1.1.5 大数据时代的重大□革

1.2 大数据关键技术

练习1

第2章 大数据生态系统

2.1 Hadoop

2.1.1 Hadoop简介

2.1.2 Hadoop优势

2.2 HDFS

2.2.1 HDFS体系结构

2.2.2 HDFS存储原理

2.2.3 HDFS常用操作

2.3 MapReduce

2.3.1 MapReduce简介

2.3.2 MapReduce的适用场景

2.3.3 MapReduce的优点和缺点

2.4 大数据编程语言

2.4.1 Python

2.4.2 Spark

2.4.3 R语言

练习2

第3章 大数据采集与预处理

3.1 数据采集

3.1.1 数据采集分类

3.1.2 数据采集方法

3.1.3 数据采集工具

3.2 数据清洗

3.2.1 数据清洗任务

3.2.2 数据清洗过程

3.3 数据□换

3.3.1 规范化

3.3.2 数据□换分类

3.4 数据分析与采集实例：线性回归和逻辑回归

练习3

第4章 数据挖掘与分析

4.1 大数据分析概述

4.1.1 数据分析原则

4.1.2 大数据分析特点

4.1.3 大数据分析流程

4.1.4 数据分析师基本技能和素质

4.1.5 大数据分析难点

4.2 数据认知

4.2.1 数据预处理

4.2.2 概率分析

4.2.3 对比分析

4.2.4 相关分析

4.3 数据建模

4.3.1 模型分类

4.3.2 决策树

4.3.3 关联分析

4.3.4 回归分析

4.3.5 聚类分析

4.3.6 k-近邻分类算法

4.4 数据挖掘与分析案例分析

练习4

第5章 数据可视化技术

5.1 数据可视化概述

5.2 数据可视化的作用

5.3 数据可视化的分类

5.4 数据可视化的发展□□

5.5 数据可视化发展方向与挑战

5.6 数据可视化的流程与原则

5.7 大数据可视化实□ 5.7.1 Tableau安装与ODBC创建

5.7.2 Tableau绘图实操演示

练习5

第6章 大数据应用

6.1 互联网行业大数据应用

6.2 金融行业大数据应用

6.3 保险行业大数据应用

6.4 旅游行业大数据应用

6.5 政府大数据应用

6.5.1 发展历程

6.5.2 行业痛点

6.5.3 发展机会

6.5.4 社会价值

6.5.5 机遇与挑战

6.6 大数据应用平台

练习6

第7章 大数据安全

7.1 大数据安全的重要意义

7.2 大数据面临的挑战

7.3 大数据的安全威胁

7.3.1 大数据基础设施安全威胁

7.3.2 大数据存储安全威胁

7.3.3 大数据的隐私泄露

7.3.4 大数据的其他安全威胁

练习7

第8章 大数据案例实操分析

8.1 大数据案例分析的前期准备工作

8.2 案例一：爬虫技术

8.2.1 认识爬虫

8.2.2 认识HTTP

8.2.3 实现HTTP请求

8.2.4 常规动态网页爬取

8.3 案例二：MINIST数字识别技术

练习8

参考文献