大數據基礎

第1章 大數據概述
1．1 大數據時代
1．1．1 大數據時代的數據特征
1．1．2 大數據時代的大數據服務
1．2 大數據相關概念
1．2．1 大數據定義
1．2．2 大數據空間
1．2．3 大數據處理
1．2．4 大數據系統(tǒng)
1．3 大數據應用現狀
1．3．1 金融與財務大數據應用案例
1．3．2 其他領域的大數據應用案例
1．4 大數據相關技術
1．4．1 物聯(lián)網技術
1．4．2 云技術
1．4．3 移動互聯(lián)網技術
1．4．4 人工智能技術
1．5 大數據解決方案
1．6 大數據與企業(yè)數字化轉型
1．6．1 財務智能化轉型的機遇與挑戰(zhàn)
1．6．2 數字化轉型案例
1．7 大數據面臨的挑戰(zhàn)與發(fā)展展望
第2章 大數據思維
2．1 大數據思維的重要意義
2．2 數據核心思維
2．3 數據決策思維
2．4 數據全樣思維
2．5 數據容錯思維
2．6 數據關聯(lián)思維
2．7 數據傳遞思維
2．8 數據乘法思維
第3章 大數據支撐技術
3．1 虛擬化技術
3．1．1 虛擬化技術概述
3．1．2 虛擬化技術的發(fā)展與分類
3．1．3 虛擬化包含的組件與方法
3．1．4 虛擬化的優(yōu)勢
3．1．5 虛擬化的應用
3．1．6 虛擬化與云計算
3．1．7 存儲虛擬化
3．1．8 系統(tǒng)虛擬化
3．1．9 桌面虛擬化
3．1．10 應用虛擬化
3．1．11 典型虛擬化產品
3．1．12 虛擬化實現案例
3．2 云計算
3．2．1 云計算概述
3．2．2 云計算產業(yè)鏈發(fā)展
3．2．3 云計算架構與模式
3．2．4 云計算的關鍵技術
3．3 存儲技術
3．3．1 存儲介質的發(fā)展
3．3．2 存儲體系架構的發(fā)展
3．3．3 云存儲技術
3．4 開源大數據生態(tài)系統(tǒng)
3．4．1 Linux
3．4．2 Hadoop
3．4．3 基于Linux+Hadoop的大數據云系統(tǒng)構建
3．5 Spark
3．6 數據庫與數據倉庫技術
3．6．1 大數據與數據庫的關系
3．6．2 數據庫技術概述
3．6．3 數據倉庫技術概述
第4章 大數據采集與預處理
4．1 數據爬取
4．1．1 數據爬取概述
4．1．2 數據爬取案例
4．2 數據變換與集成
4．2．1 數據變換與集成概述
4．2．2 數據變換案例
4．3 數據規(guī)約
4．3．1 數據規(guī)約概述
4．3．2 數據規(guī)約案例
4．4 數據清洗
4．4．1 數據清洗概述
4．4．2 數據清洗案例
4．5 數據管理平臺
第5章 大數據分析與挖掘
5．1 數據挖掘概述
5．1．1 數據挖掘起源
5．1．2 數據挖掘定義
5．1．3 數據挖掘技術與應用
5．1．4 數據挖掘流程與模型
5．2 數據挖掘工具
5．2．1 Sklearn
5．2．2 Spark MLlib
5．3 數據挖掘算法
5．3．1 關聯(lián)
5．3．2 分類
5．3．3 聚類
第6章 深度學習與人工智能
6．1 深度學習概述
6．1．1 深度學習定義
6．1．2 深度學習應用領域
6．2 人工智能與大數據
6．2．1 人工智能與大數據的區(qū)別
6．2．2 人工智能與大數據的關聯(lián)
6．3 深度學習工具
6．3．1 TensorFlow
6．3．2 PyTorch
6．4 深度學習案例
6．4．1 手寫數字識別案例
6．4．2 語音識別案例
6．4．3 人工智能與企業(yè)運營數字化
6．4．4 人工智能在企業(yè)財務工作中的應用
第7章 大數據可視化
7．1 數據可視化概述
7．1．1 數據可視化的概念
7．1．2 數據可視化市場與發(fā)展
7．1．3 數據可視化的特征與趨勢
7．2 可視化工具與應用案例
7．2．1 Excel
7．2．2 Matplotlib
7．2．3 Highcharts
7．2．4 可視化平臺―― 浪潮BA