大数据技术与应用
全新正版 极速发货
¥
17.93
4.6折
¥
39
全新
仅1件
作者周苏 等 编著
出版社机械工业出版社
ISBN9787111533047
出版时间2016-04
装帧平装
开本其他
定价39元
货号1201287389
上书时间2024-07-11
商品详情
- 品相描述:全新
- 商品描述
-
目录
前言
第1章 大数据概述
1.1 什么是大数据
1.1.1 大数据的定义
1.1.2 用3V描述大数据的特征
1.1.3 广义的大数据
1.2 大数据的结构类型
1.3 大数据的发展
1.3.1 硬件性价比提高与软件技术进步
1.3.2 云计算的普及
1.3.3 大数据作为BI的进化形式
1.3.4 从交易数据分析到交互数据分析
1.4 大数据技术的意义
1.5 延伸阅读:得数据者得天下
1.6 实验与思考:了解大数据及其在线支持
第2章 大数据的行业应用
2.1 的竞选大数据
2.2 大都市的智能交通
2.3 互联网企业对大数据的运用
2.4 互联网竞拍公司eBay
2.4.1 超乎寻常的数据产生速度
2.4.2 eBay的数据分析基础架构
2.5 游戏分析公司Zynga
2.5.1 社交游戏经济的重要指标
2.5.2 提高病毒系数的方法
2.5.3 数据驱动游戏
2.5.4 三次点击法则
2.6 延伸阅读:大数据正在改变汽车保险
2.7 实验与思考:熟悉大数据应用
第3章 大数据的基础设施
3.1 云端大数据
3.1.1 什么是云计算
3.1.2 云计算的服务形式
3.1.3 云计算与大数据
3.1.4 云基础设施
3.1.5 云平台
3.2 计算虚拟化
3.3 存储虚拟化(大数据存储)
3.3.1 传统存储系统时代
3.3.2 大数据时代的新挑战
3.3.3 分布式存储
3.3.4 云存储及存储虚拟化
3.3.5 大数据存储的其他需求及特点
3.4 网络虚拟化
3.4.1 网卡虚拟化
3.4.2 虚拟交换机
3.4.3 接入层的虚拟化
3.4.4 覆盖网络虚拟化
3.4.5 软件定义的网络(SDN)
3.4.6 对大数据处理的意义
3.5 云环境基础架构的安全
3.6 延伸阅读:用云数据提高农业产量并做出决策
3.7 实验与思考:了解大数据的基础设施
第4章 大数据技术基础
4.1 技术进步与摩尔定律
4.2 大数据的技术架构
4.3 大数据的运用形式
4.4 大数据运用模式的分类
4.4.1 个别优化?批处理型
4.4.2 个别优化?实时型
4.4.3 整体优化?批处理型
4.4.4 整体优化?实时型
4.5 大数据的运用级别
4.5.1 对过去/现状的把握
4.5.2 发现模式
4.5.3 预测
4.5.4 优化
4.6 大数据运用的真正价值
4.7 相关的大数据技术
4.7.1 神经网络
4.7.2 自然语言处理
4.7.3 语义检索
4.7.4 链接挖掘
4.7.5 A/B测试
4.8 延伸阅读:高科技促使大数据互联网金融步入快车道
4.9 实验与思考:熟悉大数据的技术基础
第5章 Hadoop分布式架构
5.1 什么是分布式系统
5.2 什么是Hadoop
5.2.1 Hadoop的由来
5.2.2 Hadoop的优势
5.2.3 Hadoop的发行版本
5.2.4 发行版本众多的原因
5.3 Hadoop架构元素
5.4 Hadoop集群系统
5.5 Hadoop开源实现
5.6 Hadoop信息安全
5.7 Hadoop考试认证与开源社区
5.8 延伸阅读:有一家大数据公司声称要做地球的操作系统
5.9 实验与思考:什么是Hadoop
第6章 大数据管理
6.1 大数据的数据处理基础
6.2 大数据事务处理(OLTP)
6.2.1 传统OLTP系统
6.2.2 NoSQL
6.2.3 NewSQL
6.3 大数据分析处理(OLAP)
6.3.1 OLAP与数据立方体
6.3.2 分布式大规模批量处理(MapReduce/Hadoop)
6.3.3 Hadoop HDFS分布式文件系统
6.3.4 MapReduce计算模型
6.3.5 MPP数据库
6.3.6 分析型数据库的特征
6.4 流数据管理(实时数据处理)
6.5 自行开发流数据处理技术
6.6 延伸阅读:“大数据时代预言家”提醒学校规避“数据独裁”
6.7 实验与思考:了解大数据管理技术
第7章 大数据分析
7.1 数据分析的演变
7.1.1 数据分析的商业驱动力
7.1.2 数据分析环境的演变
7.1.3 传统分析架构
7.2 大数据分析平台
7.2.1 敏捷计算平台
7.2.2 线性扩展能力
7.2.3 多方面、遍布式、协作性用户体验
7.3 大数据与数据挖掘
7.3.1 什么是数据挖掘
7.3.2 数据挖掘解决的商业问题
7.4 数据挖掘的不错分析方法
7.4.1 分类
7.4.2 聚类分析
7.4.3 关联规则
7.4.4 回归分析
7.4.5 预测
7.4.6 序列分析
7.4.7 偏差分析
7.5 数据挖掘项目的生命周期
7.5.1 商业问题的形成
7.5.2 数据收集
7.5.3 数据清理和转换
7.5.4 模型构建
7.5.5 模型评估
7.5.6 报告和预测
7.5.7 应用集成
7.5.8 模型管理
7.6 大数据可视化
7.6.1 数据可视化的运用
7.6.2 可视化对认知的帮助
7.6.3 七个数据类型
7.6.4 七个基本任务
7.6.5 数据可视化的挑战
7.7 延伸阅读:什么是大数据分析做不了的?
7.8 实验与思考:了解大数据分析技术
第8章 人工智能与机器学习
8.1 什么是人工智能
8.1.1 人工智能的定义
8.1.2 数据的相关性
8.1.3 大数据中的因果关系
8.2 机器学习及其研究
8.2.1 什么是机器学习
8.2.2 基本结构
8.2.3 研究领域
8.3 机器学习的分类
8.3.1 基于学习策略的分类
8.3.2 基于所获取知识的表示形式的分类
8.3.3 按应用领域分类
8.3.4 按学习形式分类
8.4 延伸阅读:ZestFinance公司的金融风险平估
8.5 实验与思考:了解人工智能,熟悉机器学习
第9章 数据科学与数据科学家
9.1 什么是数据科学
9.2 数据分析生命周期模型
9.2.1 模型概述
9.2.2 阶段1:探索发现
9.2.3 阶段2:数据准备
9.2.4 阶段3:模型规划
9.2.5 阶段4:模型建造
9.2.6 阶段5:沟通结果
9.2.7 阶段6:项目实施
9.3 数据科学家
9.3.1 大数据生态系统中的关键角色
9.3.2 数据科学家所需的技能
9.3.3 数据科学家所需的素质
9.3.4 数据科学家的学习内容
9.4 延伸阅读:基于技能的改善数据科学实践的方法
9.5 实验与思考:了解数据科学,熟悉数据科学家
第10章 开放数据的时代
10.1 大数据时代的隐私问题
10.1.1 隐私与创新
10.1.2 社交化档案的是非
10.1.3 消费者隐私权法案
10.2 连接开放数据
10.2.1 LOD运动
10.2.2 对政府公开的影响
10.2.3 创业型公司——综合气候保险
10.3 数据市场的兴起
10.3.1 Factual
10.3.2 Windows Azure Marketplace
10.3.3 Infochimps
10.3.4 Public Data Sets On AWS
10.4 不同的商业模式
10.5 延伸阅读:美国几乎可监控网民所有的网络活动
10.6 实验与思考:了解大数据时代
的安全与隐私保护
第11章 大数据发展与展望
11.1 大数据时代的企业IT战略
11.2 拥有原创数据的优势
11.3 供应商企业的新商机:数据聚合商
11.3.1 数据聚合商的作用
11.3.2 谁能成为数据聚合商
11.4 支付服务商向数据聚合商的演化
11.4.1 VISA
11.4.2 PayPal
11.4.3 美国运通
11.5 数据整合之妙:将原创数据变为增值数据
11.6 大数据未来展望
11.6.1 大数据的存储和管理
11.6.2 传统IT系统到大数据系统的 过渡
11.6.3 大数据分析
11.6.4 大数据安全
11.7 延伸阅读:智能大数据分析或 成热点
11.8 课程实验总结
11.8.1 实验的基本内容
11.8.2 实验的基本评价
11.8.3 课程学习能力测评
11.8.4 大数据技术与应用实验总结
11.8.5 实验总结评价(教师)
参考文献
内容摘要
本书针对计算机、信息管理和其他相关专业学生的发展需求,系统、全面地介绍了大数据技术与应用的基本知识和技能,详细介绍了大数据基础、大数据的行业应用、大数据的基础设施、大数据技术基础、Hadoop分布式架构、大数据管理、大数据分析、人工智能与机器学习、数据科学与数据科学家、开放数据的时代,以及大数据发展与展望等内容,具有较强的系统性、可读性和实用性。
本书是为高等院校“大数据”相关课程全新设计编写、具有丰富实践特色的主教材,也可供有一定实践经验的软件开发人员和管理人员参考,或作为继续教育的教材。
精彩内容
前 言
由于互联网和信息行业的快速发展,大数据(Big Data)越来越引起人们的关注,已经引发自互联网、云计算之后IT行业的又一大颠覆性的技术革命。面对信息的激流,多元化数据的涌现,大数据已经为个人生活、企业经营,甚至国家与社会的发展都带来了机遇和挑战,成为IT信息产业中拥有潜力的蓝海。人们用大数据来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。云计算主要为数据资产提供了保管、访问的场所和渠道,而数据才是真正有价值的资产。企业内部的经营信息、互联网世界中的商品物流信息,以及互联网世界中的人与人交互信息、位置信息等,其数量将远远超越现有企业IT架构和基础设施的承载能力,实时性要求也将大大超越现有的计算能力。如何盘活这些数据资产,使其为国家治理、企业决策乃至个人生活服务,是大数据的核心议题,也是云计算内在的灵魂和必然的发展方向。
大数据技术与应用是一门理论性和实践性都很强的课程。在长期的教学实践中,笔者体会到,坚持“因材施教”的重要原则,把实践环节与理论教学相融合,用实践教学促进理论知识的学习,是有效改善教学效果和提高教学水平的重要方法之一。本书的主要特色是:理论联系实际,结合一系列了解和熟悉大数据技术与应用的学习和实践活动,把大数据的相关概念、基础知识和技术技巧融入实践当中,使学生保持浓厚的学习热情,加深对大数据技术的认识、理解和掌握。
本书是为高等院校相关专业开设“大数据”相关课程而全新设计编写、具有丰富实践特色的主教材,也可供有一定实践经验的软件开发人员和管理人员参考,或作为继续教育的教材。
本书针对计算机、信息管理和其他相关专业学生的发展需求,系统、全面地介绍了大数据技术与应用的基本知识和技能,详细介绍了大数据基础、大数据的行业应用、大数据的基础设施、大数据技术基础、Hadoop分布式架构、大数据管理、大数据分析、人工智能与机器学习、数据科学与数据科学家、开放数据的时代,以及大数据发展与展望等内容,具有较强的系统性、可读性和实用性。
结合课堂教学方法改革的要求,本书设计了全新的课程教学过程,为每章教学内容都有针对性地设计了课后的实验与练习环节,要求和指导学生在课后阅读课文、网络搜索浏览的基础上,延伸阅读,拓展视野,深入理解课程知识内涵。
本课程的教学进度设计体现在“课程教学进度表”中。该表可作为教师授课参考和学生课程学习的概要。
实际授课时,应按照教学大纲编排教学进度,按照教学日历考虑本学期节假日安排,进而确定本课程的教学进度。
本课程的教学评测可以从以下几个方面入手。
(1)将每周的课后实验与思考(10次)作为平时成绩。
(2)课程实验总结(第11章)。
(3)结合平时考勤。
本书配有授课电子课件,需要的教师可登录www.cmpedu.com免费注册,审核通过后下载。欢迎教师与作者交流,索取为本书教学配套的相关资料并交流:zhousu@qq.com,QQ:81505050,个人博客:http://blog.sina.com.cn/zhousu58。
本书的编写得到了浙江大学城市学院、浙江省科技人才教育中心、温州安防职业技术学院和浙江商业职业技术学院等多所院校师生的支持,褚赟、蔡锦锦、张丽娜、王文参与了本书的部分编写工作,在此一并表示感谢!
周 苏
— 没有更多了 —
以下为对购买帮助不大的评价