• 大数据技术原理与实践(*高等学校机械类专业教学指导委员会*教材)【正版新书】
21年品牌 40万+商家 超1.5亿件商品

大数据技术原理与实践(*高等学校机械类专业教学指导委员会*教材)【正版新书】

正版新书出版社直发可开发票,支持7天无理由

31.6 7.9折 39.8 全新

库存6件

江苏无锡
认证卖家担保交易快速发货售后保障

作者编者:李少波//杨静|责编:姚同梅

出版社华中科技大学

ISBN9787568066884

出版时间2020-10

装帧其他

开本其他

定价39.8元

货号31057678

上书时间2024-07-03

   商品详情   

品相描述:全新
商品描述
目录
第1章大数据技术概览(1)

1.1大数据驱动的世界(1)

1.2数据的类型(7)

1.3大数据的特点(8)

1.4大数据的获取技术(9)

1.5大数据实战:网络爬虫抓取京东商品评论大数据(10)

本章小结(12)

习题(13)

第2章大数据的软硬件架构(14)

2.1大数据技术基础与软硬件设施概述(14)

2.2大数据存储与管理技术(17)

2.3大数据的分布式处理技术平台(24)

本章小结(38)

习题(39)

第3章Python编程基础(40)

3.1基本数据类型(40)

3.2基本控制流程(50)

3.3Numpy、Scipy和Pandas(54)

3.4Matplotlib软件包(63)

本章小结(67)

习题(67)

第4章大数据分析技术(68)

4.1MapReduce 基础编程(68)

4.2文本大数据分析与处理技术(78)

4.3大数据关联分析(81)

4.4相似项的发现(83)

4.5基于大数据的推荐系统(87)

4.6基于大数据的图与网络分析(91)

4.7大数据聚类分析(98)

4.8时空大数据分析(106)

4.9非结构化大数据分析与处理(112)

4.10基于Storm的流数据分析技术(117)

习题(126)

第5章基于Spark MLlib/Mahout的大数据机器学习(128)

5.1机器学习基础(128)

5.2典型机器学习问题(129)

5.3机器学习评价方法(136)

5.4并行机器学习算法(139)

5.5利用MLlib解决大数据并行分类问题实践(141)

5.6利用Mahout解决大数据推荐优化问题实践(144)

本章小结(147)

习题(147)

第6章基于大数据的深度学习技术与应用(149)

6.1深度学习基本原理(149)

6.2深度学习典型应用(151)

6.3Keras基础入门(156)

6.4应用案例(158)

本章小结(165)

习题(165)

第7章带代码、数据的案例研究(167)

7.1材料大数据材料热导率预测(167)

7.2旅游大数据分析(177)

7.3交通大数据分析(186)

7.4工业大数据分析(191)

7.5产品创新大数据分析(215)

习题(222)

参考文献(223)

内容摘要
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。

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP