大数据分析与计算

图书标准信息

• 作者 汤羽、林迪、范爱华、吴薇薇 著
• 出版社 清华大学出版社
• 出版时间 2018-03
• 版次 1
• ISBN 9787302485865
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 485页
• 字数 759千字
• 正文语种 简体中文

【内容简介】

　　1）对大数据计算的标准、模型、计算架构、开发技术体系做了一个较完整的论述和总结，适宜于作为计算机和软件工程专业高年级课程或研究生课程的教材；2）本书也对大数据计算架构和开发平台及技术进行了论述，给出了相关领域的工程案例，也可作为IT技术人士的专业参考书。

【作者简介】

汤羽，博士／教授，上海交通大学工学学士，重庆大学工学硕士，美国bowietateuniverity计算机科学硕士，美国thegeorgewahingtonuniverity计算机科学博士。

【目录】

第1章绪论
1.1数据与数据科学
1.2大数据概念
1.3大数据技术特征
参考文献
习题
第2章大数据计算体系
2.1大数据计算架构
2.2数据存储系统
2.2.1数据清洗与建模
2.2.2分布式文件系统
2.2.3NoSQL数据库
2.2.4统一数据访问接口
2.3数据处理平台
2.3.1数据分析算法
2.3.2计算处理模型
2.3.3计算平台与引擎
2.4数据应用系统
2.4.1大数据应用领域
2.4.2大数据解决方案
参考文献
习题
第3章大数据标准与模式
3.1大数据标准体系
3.2大数据计算模式
参考文献
习题
第4章数据采集方法
4.1系统日志采集
4.1.1日志采集的目的
4.1.2日志采集过程
4.2网络数据采集
4.2.1网络爬虫工作原理
4.2.2网页搜索策略
4.2.3网页分析算法
4.2.4网络爬虫框架
4.3数据采集接口
参考文献
习题
第5章数据清洗与规约方法
5.1数据预处理研究现状
5.1.1数据清洗的研究现状
5.1.2数据规约的研究现状
5.2数据质量问题分类
5.2.1单数据源的问题
5.2.2多数据源的问题
5.3数据清洗技术
5.3.1重复记录清洗
5.3.2消除噪声数据
5.3.3缺失值清洗
5.4数据归约
5.4.1维归约
5.4.2属性选择
5.4.3离散化方法
5.5数据清洗工具
参考文献
习题
第6章数据分析算法
6.1C4.5算法
6.1.1算法描述
6.1.2属性选择度量
6.1.3其他特征
6.2k均值算法
6.3支持向量机
6.4Apriori算法
6.5EM算法
6.5.1案例：估计k个高斯分布的均值
6.5.2EM算法步骤
6.6PageRank算法
6.6.1PageRank的核心思想
6.6.2PageRank的计算过程
6.7AdaBoost算法
6.7.1Boosting算法的发展历史
6.7.2AdaBoost算法及其分析
6.8k邻近算法
6.9朴素贝叶斯
6.9.1朴素贝叶斯分类器
6.9.2贝叶斯网络
6.10分类回归树算法
6.10.1建立回归树
6.10.2剪枝过程
参考文献
习题
第7章文本读写技术
7.1读取文本文件
7.1.1读取txt文件
7.1.2读取csv文件
7.2写入文本文件
7.3处理二进制数据
7.4数据库的使用
7.4.1数据库的连接
7.4.2执行SQL语句
7.4.3选择和打印
7.4.4动态插入
7.4.5update操作
参考文献
习题
第8章数据处理技术
8.1合并数据集
8.1.1索引上的合并
8.1.2轴向连接
8.1.3合并重叠数据
8.2数据转换
8.2.1移除重复数据
8.2.2利用函数进行数据转换
8.2.3替换值
8.2.4重命名轴索引
8.2.5离散化数据
8.2.6检测异常值
8.2.7排列和随机采样
8.2.8哑变量
8.3字符串操作
8.3.1内置字符串方法
8.3.2正则表达式
8.3.3Pandas中矢量化的字符串函数
参考文献
习题
第9章数据分析技术
9.1NumPy工具包
9.1.1创建数组
9.1.2打印数组
9.1.3基本运算
9.1.4索引、切片和迭代
9.1.5形状操作
9.1.6复制和视图
9.1.7NumPy实用技巧
9.2Pandas工具包
9.2.1Series
9.2.2DataFrame
9.3ScikitLearn工具包
9.3.1逻辑回归
9.3.2朴素贝叶斯
9.3.3k最近邻
9.3.4决策树
9.3.5支持向量机
9.3.6优化算法参数
参考文献
习题
第10章数据可视化技术
10.1Matplotlib绘图
10.1.1MatplotlibAPI入门
10.1.2Figure和Subplot的画图方法
10.1.3调整Subplot周围的间距
10.1.4颜色、标记和线型的设置
10.1.5刻度、标签和图例
10.2Mayavi2绘图
10.2.1使用mlab快速绘图
10.2.2Mayavi嵌入到界面中
10.3其他图形化工具
参考文献
习题
第11章Hadoop生态系统
11.1Hadoop系统架构
11.2HDFS分布式文件系统
11.2.1HDFS体系结构
11.2.2HDFS存储结构
11.2.3数据容错与恢复
11.2.4Hadoop/HDFS安装
11.3分布式存储架构
11.3.1HBase系统架构
11.3.2数据模型与存储模式
11.3.3HBase数据读写
11.3.4数据仓库工具Hive
11.3.5HBase安装与配置
11.4HBase索引与检索
11.4.1二次索引表机制
11.4.2二次索引技术方案
11.5资源管理与作业调度
11.5.1分布式协同管理组件ZooKeeper
11.5.2作业调度与工作流引擎Oozie
11.5.3集群资源管理框架YARN
参考文献
习题
第12章MapReduce计算模型
12.1分布式并行计算系统
12.2MapReduce计算架构
12.3键值对与输入格式
12.4映射与化简
12.5应用编程接口
参考文献
习题
第13章图并行计算框架
13.1图基本概念
13.2BSP模型
13.3Pregel图计算引擎
13.4Hama开源框架
13.5应用编程接口
参考文献
习题
第14章交互式计算模式
14.1数据模型
14.2存储结构
14.3并行查询
14.4开源实现
参考文献
习题
第15章流计算系统
15.1流计算模型
15.2Storm计算架构
15.3工作机制实现
15.4Storm编程接口
参考文献
习题