大数据技术原理与实践
¥
7
1.8折
¥
39.8
九品
仅1件
作者李少波、杨静 著
出版社华中科技大学出版社
出版时间2021-01
版次1
装帧平装
货号28
上书时间2024-08-09
商品详情
- 品相描述:九品
图书标准信息
-
作者
李少波、杨静 著
-
出版社
华中科技大学出版社
-
出版时间
2021-01
-
版次
1
-
ISBN
9787568066884
-
定价
39.80元
-
装帧
平装
-
开本
16开
-
纸张
胶版纸
-
页数
238页
-
字数
380千字
- 【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年入选教育部新世纪优秀人才、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)
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价