大數(shù)據技術與應用

定　價：￥79.00

作　者：	趙亮等
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121453083	出版時間：	2023-04-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　“大數(shù)據技術與應用”是一門大數(shù)據知識入門課程，是數(shù)據科學與大數(shù)據技術、計算機科學與技術、軟件工程等專業(yè)的重要前沿理論課程，對于信息類專業(yè)的學生掌握大數(shù)據相關理論知識并與企業(yè)工程實踐接軌具有十分重要的作用。本書共包含9章，第1章為初識大數(shù)據，第2章為大數(shù)據采集，第3章為大數(shù)據預處理，第4章為大數(shù)據存儲，第5章為大數(shù)據計算，第6章為大數(shù)據挖掘，第7章為大數(shù)據安全，第8章為大數(shù)據可視化，第9章為大數(shù)據應用案例。本書以大數(shù)據生命周期為主線，通過理論學習+應用案例，使學生參與到大數(shù)據實際處理、分析中來，有利于學生深入理解大數(shù)據技術、綜合應用大數(shù)據技術和面向產業(yè)實踐大數(shù)據技術。本書可作為本科院校相關專業(yè)課程的教材，也可供相關技術人員參考。

作者簡介

　　趙亮，博士，副教授，碩士生導師。主要研究方向包括大數(shù)據計算和多模態(tài)數(shù)據融合等。在國內外著名期刊和會議發(fā)表論文50余篇，授權和受理國家發(fā)明專利10余項。主持國家重點研發(fā)計劃子課題、國家自然科學基金、遼寧省自然基金、CCF騰訊犀牛鳥基金等科研項目多項，參與國家重點研發(fā)計劃、重大專項、自然科學基金及橫向課題多項。獲海南省科技進步一等獎，大連市青年科技之星，遼寧省優(yōu)秀博士學位論文獎，ACM大連分會優(yōu)秀博士學位論文獎，大連市青年才俊等。

圖書目錄

第1章初識大數(shù)據 1
1．1　大數(shù)據的概述 1
1．1．1 大數(shù)據時代的背景及定義 1
1．1．2 大數(shù)據的特征 3
1．1．3 大數(shù)據的數(shù)據類型 4
1．2　大數(shù)據的發(fā)展 6
1．2．1 大數(shù)據概念的發(fā)展 6
1．2．2 大數(shù)據技術的發(fā)展 8
1．3　大數(shù)據的關鍵技術 9
1．3．1 大數(shù)據采集 9
1．3．2 大數(shù)據預處理 10
1．3．3 大數(shù)據存儲 10
1．3．4 大數(shù)據計算 12
1．3．5 大數(shù)據挖掘 13
1．3．6 大數(shù)據安全 14
1．3．7 大數(shù)據可視化 16
1．4　大數(shù)據的應用案例 17
1．4．1 大數(shù)據在金融領域中的應用 17
1．4．2 大數(shù)據在醫(yī)療領域中的應用 17
1．4．3 大數(shù)據在交通領域中的應用 18
1．4．4 大數(shù)據在土地資源領域中的應用 19
1．4．5 大數(shù)據的其他應用 19
1．5　大數(shù)據面臨的挑戰(zhàn) 20
1．5．1 數(shù)據隱私和安全 20
1．5．2 數(shù)據存儲和處理 20
1．5．3 數(shù)據共享機制 20
1．5．4 價值挖掘問題 21
1．5．5 其他挑戰(zhàn) 21
1．6　大數(shù)據的發(fā)展趨勢 22
思考題 24
第2章大數(shù)據采集 25
2．1　大數(shù)據采集的基礎 25
2．1．1 傳統(tǒng)數(shù)據采集 25
2．1．2 大數(shù)據采集的概述 26
2．2　大數(shù)據采集的架構 27
2．2．1 Scribe 28
2．2．2 Chukwa 29
2．2．3 Kafka 30
2．2．4 Flume 35
2．3　互聯(lián)網數(shù)據抓取與處理技術 37
2．3．1 App端數(shù)據采集 38
2．3．2 網絡爬蟲 39
2．3．3 常用的網絡爬蟲方法 43
2．3．4 文本數(shù)據處理 48
思考題 56
第3章大數(shù)據預處理 57
3．1　數(shù)據基礎的概念 57
3．1．1 數(shù)據對象與屬性類型 57
3．1．2 數(shù)據的統(tǒng)計描述 58
3．1．3 數(shù)據相似性和相異性的度量方法 62
3．2　數(shù)據預處理的概述 65
3．2．1 數(shù)據質量 66
3．2．2 主要任務 66
3．3　數(shù)據清洗 67
3．3．1 缺失值處理 67
3．3．2 光滑噪聲數(shù)據處理 68
3．3．3 檢測偏差與糾正偏差 70
3．4　數(shù)據集成 70
3．4．1 模式識別和對象匹配 71
3．4．2 冗余問題 71
3．4．3 元組重復 73
3．4．4 數(shù)據值沖突的檢測與處理 73
3．5　數(shù)據規(guī)約 74
3．5．1 離散小波變換 74
3．5．2 主成分分析 75
3．5．3 屬性子集選擇 75
3．5．4 回歸和對數(shù)線性模型 76
3．5．5 直方圖 77
3．5．6 聚類 78
3．5．7 抽樣 78
3．5．8 數(shù)據立方體聚集 79
3．6　數(shù)據轉換 80
3．6．1 通過規(guī)范化變換數(shù)據 81
3．6．2 通過離散化變換數(shù)據 82
3．6．3 標稱數(shù)據的概念分層變換 83
思考題 84
第4章大數(shù)據存儲 85
4．1　HDFS 85
4．1．1 HDFS的概述 85
4．1．2 HDFS的相關概念 88
4．1．3 HDFS的體系結構 91
4．1．4 HDFS的存儲原理 93
4．1．5 HDFS的數(shù)據讀/寫過程 96
4．2　分布式數(shù)據庫HBase 98
4．2．1 概述 98
4．2．2 HBase訪問接口 100
4．2．3 HBase列族數(shù)據模型 101
4．2．4 HBase的實現(xiàn) 106
4．2．5 HBase的運行機制 110
4．3　NoSQL 114
4．3．1 NoSQL的簡介 114
4．3．2 NoSQL的三大基石 118
思考題 122
第5章大數(shù)據計算 123
5．1　批處理計算 123
5．1．1 MapReduce的概述 124
5．1．2 Map和Reduce 124
5．1．3 MapReduce的工作流程 125
5．1．4 MapReduce實例 129
5．2　流計算 133
5．2．1 流計算的概述 133
5．2．2 Storm 134
5．2．3 增量算法 136
5．3　圖計算 137
5．3．1 圖計算的概述 137
5．3．2 Pregel 138
5．4　查詢分析計算 141
5．5　云計算 143
5．5．1 云計算的概述 143
5．5．2 云計算的關鍵技術 144
5．5．3 云計算與大數(shù)據 145
5．6　大數(shù)據計算平臺 146
5．6．1 Hadoop 146
5．6．2 Spark 154
思考題 160
第6章大數(shù)據挖掘 162
6．1　數(shù)據挖掘的基礎 162
6．1．1 數(shù)據挖掘的概述 162
6．1．2 數(shù)據挖掘的主要任務 164
6．1．3 數(shù)據挖掘的對象 168
6．1．4 數(shù)據挖掘的工具 168
6．2　聚類分析 171
6．2．1 聚類分析的概述 171
6．2．2 基于劃分的聚類算法 174
6．2．3 基于層次的聚類算法 183
6．2．4 基于密度的聚類算法 190
6．2．5 基于模型的聚類算法 194
6．3　分類分析 195
6．3．1 分類的基礎知識 195
6．3．2 決策樹分類 197
6．3．3 最近鄰分類器 202
6．3．4 貝葉斯分類器 204
6．3．5 支持向量機預測 205
6．3．6 神經網絡預測 214
6．4 回歸分析 220
6．4．1 回歸分析的概述 220
6．4．2 線性回歸模型 221
6．4．3 支持向量回歸模型 223
6．4．4 邏輯回歸模型 225
6．5　關聯(lián)分析 227
6．5．1 關聯(lián)分析的概述 228
6．5．2 Apriori算法 230
6．5．3 FP增長算法 235