大数据分析基础:概念、技术、方法和商务（英文版）

图书标准信息

• 作者 李刚民
• 出版社 科学出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787030581488
• 定价 219.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 632页
• 字数 320千字

【内容简介】

大数据分析基础：概念、技术、方法和（英文版）涵盖了大数据分析的四个基本方面：概念和基础，台和工具，方法和算法，以及社会问题和好实践。

【作者简介】

dr.gangmin li i a enior reearcher in the reearch intitute of big data analytic (ribda) and an aociated profeor in the department of puter cience and oftware engineer at an jiaotongliverpool univerity.he ha over 35 year of reearch and teaching experience in 4 britih univeritie and 2 chinee univeritie. hi reearch interet include knowledge engineering (ke) ditributed artifi intelligence (dai)， ditributed ytem grid and cloud puting and big data analytic.he ha over 100 publication and wide indutrial connection and reearch collaboration.

【目录】

part one basics and concepts
chapter 1 introduction
1.1 what is big data analytics?
1.1.1 big data analytics requires data-driven business culture
1.1.2 big data analytics requires high-performance analyses
1.2 why big data analytics?
1.2.1 history and evolution of big data analytics
1.2.2 the drivers of big data analytics
1.2.3 why is big data analytics important?
1.2.4 the challenges of big data analytics
1.2.5 how big data analytics is used today?
1.3 big data analytics applications
1.3.1 industries where big data analytics are successful
1.3.2 four powerful big data analytics application examples
1.4 the big data analytics market
1.5 big data analytics future trends
1.5.1 predictive analytics will dominate
1.5.2 refocusing on the human decision-making
1.5.3 market segmentation in data analysis tforms
1.5.4 open source software tools
1.5.5 plug-in ai technologies
1.6 the contents of big data analytics
1.7 references
1.8 review questions and exercises
chapter 2 data and big data
2.1 data as a basic entity in the dikw framework
2.1.1 dikw framework
2.1.2 data object，data attribute and data set
2.1.3 data attribute types
2.2 big data
2.2.1 big data definition
2.2.2 big data types
2.3 quality of data and big data
2.3.1 definition of data quality
2.3.2 data measurement and data collection
2.3.3 errors in measurement and collection
2.3.4 data accuracy
2.4 basic measurement of dataset
2.5 summary
2.6 references
2.7 review questions
chapter 3 big data analytics process
3.1 the process of data mining and knowledge discovery
3.1.1 crisp-dm framework
3.1.2 kdd process
3.2 process of big data analytics
3.2.1 acquisition
3.2.2 understan
3.2.3 preprocess
3.2.4 analysis
3.2.5 reporting
3.2.6 action
3.3 data preprocess
3.3.1 data cleaning
3.3.2 data integration
3.3.3 data reduction
3.3.4 data transformation
3.4 big data analysis
3.4.1 analysis
3.4.2 types of big data analysis
3.4.3 descriptive analysis
3.4.4 explorative analysis
3.4.5 predictive data analysis
3.5 summary
3.6 references
3.7 questions and exercises
part two technologies and tools
chapter 4 supporting infrastructure
4.1 cloud puting
4.1.1 essential characteristics of cloud puting
4.1.2 services provided by cloud puting
4.2 distributed puting
4.2.1 characteristics of distributed systems
4.2.2 distributed systems ition
4.2.3 distributed state
……
chapter 5 hadoop and mapreduce
chapter 6 apache spark
chapter 7 nosql and monb
part three methods and algorithms
chapter 8 data preparation
chapter 9 descriptive data analysis
chapter 10 explorative data analysis
chapter 11 predictive data analysis
part four so，ethical and organisational issues
chapter 12 ethics，governance and security of big data
chapter 13 buil data-driven business organisations