大数据技术原理与实践（第二版）

图书标准信息

• 作者 李少波；杨静
• 出版社 华中科技大学出版社
• 出版时间 2023-05
• 版次 2
• ISBN 9787568087179
• 定价 69.80元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 400页
• 字数 630千字

【内容简介】

本书将围绕大数据技术的基本原理与实践,介绍了大数据获取、存储、分析、数据挖掘和机器学习。内容涵盖以下主题：Hadoop、Mapreduce、关联规则、大规模监督机器学习、数据流、集群、NoSQL系统（Pig、Hive），以及包括推荐系统、Web和安全性的应用程序。第1章重点阐述了大数据驱动的商业模式、技术生态体系，大数据的类型、特点、获取技术。第2章概要介绍了大数据的软硬件架构，包括大数据技术基础与软硬件设施、大数据存储与管理技术、大数据的分布式处理技术平台等，包括MapReduce编程框架原理、Spark结构与原理、基于Storm的大规模数据流的分布式处理技术等。第3章介绍了Python编程基础，包括基本数据类型、基本控制流程、Numpy、Scipy、Pandas等。第4章介绍了大数据分析技术，包括基于MapReduce基础编程、文本大数据分析与处理技术、大数据关联分析、相似项的发现、基于大数据的推荐系统、基于大数据的图与网络分析、大数据聚类分析、时空大数据分析、非结构化大数据分析与处理、基于Storm的流数据分析技术等。第5章介绍了基于SparkMLlib/Mahout的大数据机器学习，包括机器学习基础、典型机器学习问题、机器学习评价方法、并行机器学习算法，并进行了利用MLlib解决大数据并行分类问题、利用Mahout解决大数据推荐优化问题实践。第6章介绍了基于大数据的深度学习技术，包括深度学习基本原理、深度学习典型应用、Keras 基础入门及应用案例。第7章介绍了材料大数据材料热导率预测、旅游大数据分析、交通大数据分析、工业大数据分析、产品创新大数据分析等带代码、数据的案例。本书内容深入浅出，具有很强的理论与实践指导作用，可作为数据科学与技术、人工智能、计算机科学、制造科学、机械工程等学科相关专业的本科生、研究生的教材或课程教学参考书，也是对工程技术人员、科研人员而言非常实用的工具书。

【作者简介】

贵州大学机械工程学院院长，博士生导师，教授，2005年入选“西部之光”优秀人才，2008年入选贵州省优秀青年科技人才，2009年入选*新世纪优秀人才、贵州省省管专家、享受政府特殊津贴专家，2014年评聘为三级教授，入选贵州省首批高层次创新型人才（百层次）。是贵州大学学术学科带头人，机械制造及其自动化、机械电子工程专业博士生导师，中国科学院大学兼职博士生导师。是“十二五”贵州省制造业信息化专家组组长，中国图学学会理事，贵州省装备行业协会常务理事，贵阳军民结合（装备制造）产业技术创新战略联盟副秘书长，贵州省智能电网产业技术创新战略联盟副理事长，贵州省计算机学会常务副理事长，《计算机集成制造系统—CIMS》理事会理事，《中国制造业信息化》、《机械设计与制造工程》理事会常务理事，贵州省服务决策专家智库专家，贵州省青年科技工作者协会常务理事、信息科学与机电工程专业委员会主任委员，贵阳市网络信息安全协会副会长，《计算机集成系统-CIMS》、《四川大学学报(工程科学版)》、《计算机应用》等期刊的审稿人等。已发表论文130余篇，SCI/EI/ISTP收录60余篇次，出版专著2部，译著1部，软件著作权登记8项、专利7件（其中发明3件）。被鉴定为国际先进、国内领先的成果8项。主持国家自然科学基金、国家863计划重点项目、国家科技支撑计划等科研项目30余项。获省部级科技进步二等奖2次、三等奖2次，贵阳市科技进步特等奖1次、二等奖2次、三等奖1次。

【目录】

第1章大数据技术概览（1）

1.1数据发展历史（1）

1.2什么是大数据（5）

1.3大数据的生命周期（8）

第2章Python编程基础（28）

2.1基本数据类型（28）

2.2基本控制流程（38）

2.3Python的面向对象机制（43）

2.4Numpy、Scipy和Pandas（47）

2.5Matplotlib软件包（56）

本章小结（60）

习题（60）

第3章大数据的软硬件架构（61）

3.1大数据技术基础与软硬件设施概述（61）

3.2大数据存储与管理技术（65）

3.3大数据的分布式处理平台（72）

本章小结（88）

习题（90）

第4章基于Spark MLlib/Mahout的大数据机器学习（91）

4.1机器学习基础（91）

4.2典型机器学习问题（92）

4.3机器学习评价方法（99）

4.4并行机器学习算法（102）

4.5利用Mahout解决大数据推荐优化问题实践（104）

本章小结（107）

习题（108）

第5章大数据分析技术（109）

5.1MapReduce编程基础（109）

5.2基于Storm的流数据分析（119）

5.3文本大数据分析与处理（128）

5.4大数据关联分析（131）

5.5相似项的发现（134）

5.6基于大数据的推荐技术（138）

5.7基于大数据的图与网络分析（142）

5.8大数据聚类分析（150）

5.9时空大数据分析（158）

5.10非结构化大数据分析与处理（164）

5.11利用MLlib解决大数据并行分类问题实践（169）

本章小结（173）

习题（173）

第6章大数据流式处理（175）

6.1流式处理概述（175）

6.2流式处理模型（183）

6.3流式处理引擎Apache Spark（190）

6.4新一代流式处理引擎 Apach Flink（200）

6.5基于Flink的人体生命体征数据分析与告警（218）

6.6本章小结（229）

6.7习题（230）

第7章基于大数据的深度学习技术与应用（231）

7.1深度学习基本原理（231）

7.2深度学习典型应用（233）

7.3Keras基础入门（239）

7.4应 用 案 例（241）

本章小结（248）

习题（248）

第8章大数据安全与隐私保护关键技术（250）

8.1大数据安全（250）

8.1.2大数据时代的隐私安全挑战（251）

8.2大数据安全隐私保护（252）

8.3大数据安全与隐私保护的关键技术（254）

8.3.1匿名化处理技术（255）

8.3.2加密存储技术（257）

8.3.4访问控制技术（260）

8.4大数据安全与隐私保护展望（262）

8.4.1网络态势感知：助力大数据发展（262）

8.4.2人工智能：为大数据发展护航（263）

8.5本章小结（263）

习题（264）

第9章带代码、数据的案例研究（265）

9.1材料大数据与材料热导率预测（265）

9.2旅游大数据分析（275）

9.3交通大数据分析（284）

9.4工业大数据分析（289）

9.4.5模型部署及可视化（313）

9.5产品创新大数据分析（322）

9.6基于医药网站数据的医疗知识图谱（328）

9.7车间生产安全监测（337）

9.8人工智能安全案例（350）

9.9司法大数据分析案例（355）

本章小结（382）

习题（382）

参考文献（383）