大數(shù)據(jù)導(dǎo)論

定　價：￥32.00

作　者：	周鳴爭著
出版社：	中國鐵道出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787113242633	出版時間：	2018-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	184	字?jǐn)?shù)：

內(nèi)容簡介

　　本書全面闡述了大數(shù)據(jù)的內(nèi)涵與特征、體系架構(gòu)以及所涉及關(guān)鍵技術(shù)。全書共分7章，內(nèi)容包括大數(shù)據(jù)概論、大數(shù)據(jù)存儲、大數(shù)據(jù)處理、大數(shù)據(jù)分析、大數(shù)據(jù)可視化、大數(shù)據(jù)應(yīng)用和大數(shù)據(jù)發(fā)展趨勢與展望，每章內(nèi)容都與主流技術(shù)和典型案例緊密結(jié)合，以便讀者對大數(shù)據(jù)及其關(guān)鍵技術(shù)有更好的了解和掌握。本書適合作為高等院校數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、計(jì)算機(jī)、軟件工程、電子信息等相關(guān)專業(yè)以及創(chuàng)新創(chuàng)業(yè)或素質(zhì)教育的大數(shù)據(jù)課程教材，也可作為其他讀者深入了解大數(shù)據(jù)技術(shù)的參考用書。

作者簡介

　　周鳴爭，安徽工程大學(xué)

圖書目錄

第1章概論 1
1.1 什么是大數(shù)據(jù) 1
1.1.1 大數(shù)據(jù)產(chǎn)生的背景 1
1.1.2 大數(shù)據(jù)的概念及特征 5
1.2 大數(shù)據(jù)帶來的變革 7
1.3 大數(shù)據(jù)的價值與挑戰(zhàn) 9
1.3.1 大數(shù)據(jù)的價值 9
1.3.2 大數(shù)據(jù)時代面臨的新挑戰(zhàn) 10
1.4 大數(shù)據(jù)的相關(guān)技術(shù) 12
1.4.1 大數(shù)據(jù)存儲和管理技術(shù) 14
1.4.2 大數(shù)據(jù)分析技術(shù) 20
1.4.3 大數(shù)據(jù)處理工具與平臺 21
1.5 大數(shù)據(jù)的處理流程 22
1.5.1 數(shù)據(jù)抽取與集成 22
1.5.2 數(shù)據(jù)分析 23
1.5.3 數(shù)據(jù)解釋 23
1.5.4 大數(shù)據(jù)處理模型 24
1.6 大數(shù)據(jù)的發(fā)展機(jī)遇 28
習(xí)題 29
第2章大數(shù)據(jù)存儲 30
2.1 大數(shù)據(jù)存儲概述 30
2.2 傳統(tǒng)的大數(shù)據(jù)存儲系統(tǒng) 30
2.3 分布式文件系統(tǒng) 33
2.3.1 HDFS相關(guān)概念 35
2.3.2 HDFS分布式文件系統(tǒng)的結(jié)構(gòu) 36
2.3.3 HDFS存儲原理 37
2.3.4 HDFS數(shù)據(jù)讀/寫 41
2.4 NoSQL數(shù)據(jù)庫 43
2.4.1 NoSQL的產(chǎn)生 44
2.4.2 NoSQL與RDBMS 45
2.4.3 NoSQL的分類 46
2.4.4 HBase數(shù)據(jù)庫 47
2.4.5 NoSQL與NewSQL 52
習(xí)題 53
第3章大數(shù)據(jù)處理 55
3.1 多處理器技術(shù) 55
3.2 并行計(jì)算 59
3.3 MapReduce并行計(jì)算技術(shù) 65
3.3.1 MapReduce簡介 65
3.3.2 MapReduce編程模型 68
3.3.3 Hadoop MapReduce 1 73
3.3.4 Yarn/MapReduce2 76
3.3.5 MapReduce性能調(diào)優(yōu) 79
習(xí)題 82
第4章大數(shù)據(jù)分析 83
4.1 大數(shù)據(jù)分析概述 83
4.1.1 數(shù)據(jù)分析的原則 84
4.1.2 大數(shù)據(jù)分析的特點(diǎn) 84
4.1.3 大數(shù)據(jù)分析路線及流程 85
4.1.4 大數(shù)據(jù)分析技術(shù) 87
4.1.5 大數(shù)據(jù)分析的難點(diǎn) 90
4.2 大數(shù)據(jù)分析模型 91
4.2.1 大數(shù)據(jù)分析模型建立方法 91
4.2.2 分類分析模型 93
4.2.3 關(guān)聯(lián)分析模型 94
4.2.4 聚類分析模型 95
4.3 大數(shù)據(jù)分析算法 98
4.3.1 大數(shù)據(jù)算法概述 99
4.3.2 決策樹算法簡介 101
4.3.3 Apriori算法簡介 105
4.3.4 K-Means算法簡介 109
4.4 大數(shù)據(jù)分析應(yīng)用 111
4.4.1 文本分析 111
4.4.2 情感分析 113
4.4.3 推薦系統(tǒng) 115
4.5 大數(shù)據(jù)分析常用工具 117
習(xí)題 119
第5章大數(shù)據(jù)可視化 120
5.1 大數(shù)據(jù)可視化技術(shù)概述 120
5.1.1 數(shù)據(jù)可視化簡史 120
5.1.2 數(shù)據(jù)可視化的功能 122
5.1.3 大數(shù)據(jù)可視化簡介 123
5.2 大數(shù)據(jù)可視化技術(shù)基礎(chǔ) 126
5.2.1 數(shù)據(jù)可視化流程 126
5.2.2 數(shù)據(jù)可視化編碼 128
5.2.3 數(shù)據(jù)可視化設(shè)計(jì) 132
5.3 大數(shù)據(jù)可視化應(yīng)用 134
5.3.1 文本可視化 135
5.3.2 社交網(wǎng)絡(luò)可視化 138
5.3.3 日志數(shù)據(jù)可視化 140
5.3.4 地理信息可視化 140
5.3.5 數(shù)據(jù)可視化交互 141
5.4 大數(shù)據(jù)可視化軟件和工具 143
5.4.1 大數(shù)據(jù)可視化軟件分類 143
5.4.2 科學(xué)可視化軟件和工具 144
5.4.3 可視化分析軟件和工具 145
5.4.4 信息可視化軟件和工具 147
習(xí)題 148
第6章大數(shù)據(jù)應(yīng)用 149
6.1 互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù) 149
6.2 交通大數(shù)據(jù) 153
6.3 醫(yī)療大數(shù)據(jù) 159
6.4 問答系統(tǒng) 164
習(xí)題 169
第7章大數(shù)據(jù)發(fā)展趨勢與展望 170
7.1 大數(shù)據(jù)安全與隱私保護(hù) 170
7.1.1 數(shù)據(jù)安全與隱私保護(hù)的現(xiàn)狀 170
7.1.2 大數(shù)據(jù)帶來的安全挑戰(zhàn) 171
7.1.3 大數(shù)據(jù)安全與隱私保護(hù)關(guān)鍵技術(shù) 172
7.2 大數(shù)據(jù)共享 174
7.2.1 大數(shù)據(jù)共享面臨的挑戰(zhàn) 174
7.2.2 大數(shù)據(jù)共享的措施與機(jī)制 175
7.3 數(shù)據(jù)科學(xué) 176
7.3.1 數(shù)據(jù)科學(xué)的概念 176
7.3.2 數(shù)據(jù)分析的難題 176
習(xí)題 177
參考文獻(xiàn) 178