-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
大數(shù)據(jù)概論(Introduction to big data)(大數(shù)據(jù)技術(shù)與應(yīng)用叢書) 版權(quán)信息
- ISBN:9787302592563
- 條形碼:9787302592563 ; 978-7-302-59256-3
- 裝幀:70g膠版紙
- 冊數(shù):暫無
- 重量:暫無
- 所屬分類:>>
大數(shù)據(jù)概論(Introduction to big data)(大數(shù)據(jù)技術(shù)與應(yīng)用叢書) 本書特色
本書兼顧本科、高職高專院校的培養(yǎng)計(jì)劃,學(xué)生的需求及課程特點(diǎn)來編寫,按照新課改思想進(jìn)行構(gòu)思,基礎(chǔ)原理由淺入深,有助于學(xué)生理解晦澀的理論。以實(shí)際應(yīng)用為目標(biāo),將抽象的理論知識(shí)融入實(shí)例操作中,讓學(xué)生通過對(duì)實(shí)例的操作實(shí)踐,掌握相應(yīng)的知識(shí)點(diǎn),總結(jié)出解決問題的*好方法。為了適應(yīng)不同層次學(xué)生的水平能力和特點(diǎn),本書內(nèi)容強(qiáng)調(diào)實(shí)用性和可操作性,以實(shí)例來激發(fā)學(xué)生的學(xué)習(xí)興趣,并注重培養(yǎng)學(xué)生多種解決問題的能力和實(shí)際動(dòng)手操作能力。 不同專業(yè)背景的讀者零基礎(chǔ)學(xué)習(xí)大數(shù)據(jù)的入門教材,產(chǎn)學(xué)結(jié)合,通過實(shí)例引導(dǎo),理論聯(lián)系實(shí)際,循序漸進(jìn)地為讀者介紹了大數(shù)據(jù)的相關(guān)基礎(chǔ)知識(shí)。
大數(shù)據(jù)概論(Introduction to big data)(大數(shù)據(jù)技術(shù)與應(yīng)用叢書) 內(nèi)容簡介
本書理論聯(lián)系實(shí)際,配以大量實(shí)例,系統(tǒng)地介紹了大數(shù)據(jù)有關(guān)的基礎(chǔ)知識(shí)。全書共分10章,內(nèi)容包括大數(shù)據(jù)概述,大數(shù)據(jù)、云計(jì)算與物聯(lián)網(wǎng),大數(shù)據(jù)架構(gòu)與Hadoop,數(shù)據(jù)采集與預(yù)處理,大數(shù)據(jù)分析與大數(shù)據(jù)挖掘,數(shù)據(jù)存儲(chǔ)與HDFS,MapReduce,數(shù)據(jù)可視化,大數(shù)據(jù)安全,大數(shù)據(jù)應(yīng)用案例。 本書主要作為本科和高職高專相關(guān)專業(yè)的教材,也可作為相關(guān)行業(yè)從業(yè)人員的讀物,還可以作為培訓(xùn)教材。
大數(shù)據(jù)概論(Introduction to big data)(大數(shù)據(jù)技術(shù)與應(yīng)用叢書) 目錄
目錄
第1章大數(shù)據(jù)概述1
1.1大數(shù)據(jù)定義和特征1
1.1.1大數(shù)據(jù)定義1
1.1.2大數(shù)據(jù)的特征1
1.1.3大數(shù)據(jù)發(fā)展歷程2
1.2大數(shù)據(jù)的影響4
1.3大數(shù)據(jù)發(fā)展趨勢4
1.4大數(shù)據(jù)的關(guān)鍵技術(shù)8
1.5大數(shù)據(jù)的計(jì)算模式10
1.6大數(shù)據(jù)的應(yīng)用領(lǐng)域11
1.7數(shù)據(jù)資源化和交易13
1.7.1數(shù)據(jù)資源化13
1.7.2大數(shù)據(jù)交易14
1.8大數(shù)據(jù)安全與隱私15
1.9本章小結(jié)16
習(xí)題17
第2章大數(shù)據(jù)、云計(jì)算與物聯(lián)網(wǎng)18
2.1云計(jì)算18
2.1.1云計(jì)算概述18
2.1.2云計(jì)算的分類19
2.1.3云計(jì)算的基本特點(diǎn)20
2.1.4云計(jì)算的關(guān)鍵技術(shù)21
2.1.5云計(jì)算的應(yīng)用24
2.2物聯(lián)網(wǎng)26
2.2.1物聯(lián)網(wǎng)概述27
2.2.2物聯(lián)網(wǎng)的發(fā)展過程27
2.2.3物聯(lián)網(wǎng)的特征28
2.2.4物聯(lián)網(wǎng)的關(guān)鍵技術(shù)30
2.2.5物聯(lián)網(wǎng)系統(tǒng)結(jié)構(gòu)31
2.2.6物聯(lián)網(wǎng)的應(yīng)用33
2.3大數(shù)據(jù)、云計(jì)算與物聯(lián)網(wǎng)三者之間的關(guān)系36
2.4本章小結(jié)39
目錄大數(shù)據(jù)概論習(xí)題39
第3章大數(shù)據(jù)架構(gòu)與Hadoop40
3.1大數(shù)據(jù)架構(gòu)40
3.1.1大數(shù)據(jù)架構(gòu)概述40
3.1.2數(shù)據(jù)類型41
3.1.3大數(shù)據(jù)架構(gòu)及數(shù)據(jù)解決方案42
3.2Hadoop概述46
3.2.1Hadoop簡介46
3.2.2Hadoop的發(fā)展歷程46
3.2.3Hadoop的特點(diǎn)47
3.2.4Hadoop應(yīng)用現(xiàn)狀47
3.2.5Hadoop的版本49
3.3Hadoop的生態(tài)系統(tǒng)概述50
3.3.1Hadoop的生態(tài)系統(tǒng)50
3.3.2Hadoop的組成介紹51
3.4Hadoop的安裝55
3.4.1安裝前的準(zhǔn)備55
3.4.2安裝VirtualBox56
3.4.3安裝Linux發(fā)行版Ubuntu57
3.4.4創(chuàng)建Hadoop用戶61
3.4.5設(shè)置SSH無密碼登錄61
3.4.6安裝Java環(huán)境62
3.4.7安裝單機(jī)Hadoop62
3.4.8安裝偽分布式Hadoop63
3.5本章小結(jié)66
習(xí)題66
第4章數(shù)據(jù)采集與預(yù)處理67
4.1大數(shù)據(jù)采集67
4.1.1大數(shù)據(jù)采集概述67
4.1.2大數(shù)據(jù)采集方法70
4.2大數(shù)據(jù)采集工具72
4.2.1Flume73
4.2.2Kafka75
4.2.3Sqoop77
4.2.4Scribe80
4.3大數(shù)據(jù)預(yù)處理技術(shù)81
4.3.1預(yù)處理意義81
4.3.2預(yù)處理方法82
4.4本章小結(jié)91
習(xí)題92
第5章大數(shù)據(jù)分析與大數(shù)據(jù)挖掘93
5.1大數(shù)據(jù)分析的基本概念93
5.1.1數(shù)據(jù)分析概論93
5.1.2數(shù)據(jù)分析的類型94
5.2大數(shù)據(jù)分析方法95
5.2.1數(shù)據(jù)分析方法概述95
5.2.2數(shù)據(jù)分析過程97
5.2.3數(shù)據(jù)處理結(jié)果分析98
5.3數(shù)據(jù)挖掘概述105
5.3.1數(shù)據(jù)和知識(shí)105
5.3.2數(shù)據(jù)挖掘的概念106
5.3.3數(shù)據(jù)挖掘過程106
5.3.4數(shù)據(jù)挖掘技術(shù)107
5.4分類算法108
5.4.1樸素貝葉斯分類109
5.4.2SVM算法114
5.5聚類算法117
5.5.1kmeans算法118
5.5.2DBSCAN算法121
5.6Apriori頻繁項(xiàng)集挖掘算法125
5.6.1Apriori算法原理126
5.6.2Apriori算法的基本思想127
5.6.3Apriori算法流程128
5.6.4Apriori算法的優(yōu)缺點(diǎn)128
5.6.5Apriori算法實(shí)例129
5.7常用挖掘工具130
5.7.1Mahout130
5.7.2Spark MLlib132
5.8本章小結(jié)135
習(xí)題135
第6章數(shù)據(jù)存儲(chǔ)與HDFS136
6.1大數(shù)據(jù)存儲(chǔ)136
6.1.1大數(shù)據(jù)存儲(chǔ)概述136
6.1.2分布式存儲(chǔ)系統(tǒng)137
6.1.3云存儲(chǔ)140
6.2數(shù)據(jù)倉庫141
6.2.1數(shù)據(jù)倉庫概述141
6.2.2數(shù)據(jù)倉庫架構(gòu)及構(gòu)建143
6.2.3數(shù)據(jù)集市147
6.3HDFS簡介148
6.3.1HDFS概述148
6.3.2HDFS的優(yōu)點(diǎn)和缺點(diǎn)149
6.4HDFS基本技術(shù)150
6.4.1數(shù)據(jù)塊150
6.4.2名稱節(jié)點(diǎn)、數(shù)據(jù)節(jié)點(diǎn)和第二名稱節(jié)點(diǎn)151
6.5HDFS體系結(jié)構(gòu)154
6.5.1HDFS體系結(jié)構(gòu)概述154
6.5.2HDFS命名空間155
6.5.3通信協(xié)議和客戶端155
6.5.4HDFS 1.0體系結(jié)構(gòu)的局限性155
6.5.5HDFS 2.0設(shè)計(jì)156
6.6HDFS存儲(chǔ)原理156
6.6.1數(shù)據(jù)的冗余存儲(chǔ)156
6.6.2如何存取數(shù)據(jù)157
6.6.3如何恢復(fù)數(shù)據(jù)158
6.7HDFS的文件讀寫操作過程159
6.7.1HDFS讀取數(shù)據(jù)的過程159
6.7.2HDFS寫入數(shù)據(jù)的過程161
6.8HDFS編程實(shí)例163
6.8.1使用Shell命令與HDFS進(jìn)行交互163
6.8.2在Web上顯示HDFS165
6.8.3使用Java API與HDFS進(jìn)行交互166
6.9本章小結(jié)170
習(xí)題170
第7章MapReduce171
7.1MapReduce概述171
7.1.1MapReduce的基本概念171
7.1.2MapReduce的思想172
7.1.3MapReduce的抽象方法173
7.2Map和Reduce任務(wù)173
7.2.1函數(shù)式編程173
7.2.2mapper和reducer174
7.3MapReduce執(zhí)行框架和工作流程176
7.3.1執(zhí)行框架176
7.3.2MapReduce工作流程概述178
7.3.3Shuffle執(zhí)行過程179
7.3.4分割器和組合器182
7.4MapReduce算法及應(yīng)用183
7.4.1概述183
7.4.2本地聚合183
7.4.3對(duì)和條紋188
7.4.4相對(duì)頻率191
7.5MapReduce編程實(shí)例193
7.6本章小結(jié)197
習(xí)題197
第8章數(shù)據(jù)可視化199
8.1大數(shù)據(jù)可視化概述199
8.1.1何為數(shù)據(jù)可視化199
8.1.2大數(shù)據(jù)可視化方法203
8.2大數(shù)據(jù)可視化軟件工具213
8.2.1Excel213
8.2.2Tableau214
8.2.3魔鏡214
8.2.4ECharts215
8.2.5D3215
8.3數(shù)據(jù)可視化實(shí)例216
8.3.1用Tableau制作一個(gè)圖表實(shí)例216
8.3.2用魔鏡制作一個(gè)圖表實(shí)例222
8.3.3用ECharts制作一個(gè)圖表實(shí)例225
8.4本章小結(jié)226
習(xí)題227
第9章大數(shù)據(jù)安全228
9.1大數(shù)據(jù)安全概述228
9.1.1大數(shù)據(jù)安全的基本概念228
9.1.2云安全與大數(shù)據(jù)安全231
9.1.3大數(shù)據(jù)安全技術(shù)分類231
9.1.4大數(shù)據(jù)安全管理體系架構(gòu)232
9.2大數(shù)據(jù)隱私保護(hù)233
9.2.1大數(shù)據(jù)隱私保護(hù)的意義和重要作用233
9.2.2大數(shù)據(jù)隱私保護(hù)面臨的問題與挑戰(zhàn)234
9.2.3大數(shù)據(jù)隱私保護(hù)技術(shù)236
9.3大數(shù)據(jù)在安全管理中的應(yīng)用239
9.3.1大數(shù)據(jù)在公共安全管理中的應(yīng)用239
9.3.2大數(shù)據(jù)在煤礦安全管理中的應(yīng)用241
9.3.3大數(shù)據(jù)在安全管理應(yīng)急方面的應(yīng)用242
9.4數(shù)據(jù)脫敏技術(shù)247
9.4.1數(shù)據(jù)交互安全與脫敏技術(shù)247
9.4.2靜態(tài)數(shù)據(jù)脫敏技術(shù)247
9.4.3動(dòng)態(tài)數(shù)據(jù)脫敏技術(shù)248
9.4.4數(shù)據(jù)脫敏實(shí)例248
9.5本章小結(jié)249
習(xí)題249
第10章大數(shù)據(jù)應(yīng)用案例250
10.1大數(shù)據(jù)在智慧醫(yī)療中的應(yīng)用250
10.1.1大數(shù)據(jù)在醫(yī)療信息化行業(yè)的應(yīng)用250
10.1.2大數(shù)據(jù)在臨床決策支持系統(tǒng)的功能應(yīng)用252
10.1.3大數(shù)據(jù)在遠(yuǎn)程醫(yī)療方面的應(yīng)用253
10.2大數(shù)據(jù)在金融行業(yè)中的應(yīng)用256
10.2.1民生銀行在大數(shù)據(jù)上的應(yīng)用256
10.2.2大數(shù)據(jù)在阿里巴巴上的應(yīng)用258
10.2.3大數(shù)據(jù)時(shí)代信用卡的使用259
10.2.4Kabbage 用大數(shù)據(jù)開辟新路徑260
10.3大數(shù)據(jù)在智慧校園中的應(yīng)用261
10.3.1大數(shù)據(jù)在微課方面的應(yīng)用261
10.3.2大數(shù)據(jù)在慕課方面的應(yīng)用262
10.3.3大數(shù)據(jù)在智慧教育云下的應(yīng)用264
10.3.4大數(shù)據(jù)在學(xué)習(xí)分析及干預(yù)中的應(yīng)用266
10.4大數(shù)據(jù)在智慧城市中的應(yīng)用267
10.4.1大數(shù)據(jù)在智慧城市中應(yīng)用與管理方面的應(yīng)用267
10.4.2大數(shù)據(jù)在智慧城市中環(huán)境方面的應(yīng)用268
10.4.3大數(shù)據(jù)挖掘技術(shù)在智能交通中的應(yīng)用269
10.5本章小結(jié)271
習(xí)題272
參考文獻(xiàn)273
大數(shù)據(jù)概論(Introduction to big data)(大數(shù)據(jù)技術(shù)與應(yīng)用叢書) 作者簡介
高騰剛,副教授,武漢大學(xué)碩士,計(jì)算機(jī)技術(shù)專業(yè)畢業(yè),主持參與項(xiàng)目7項(xiàng),其中國j級(jí)1項(xiàng),省級(jí)2項(xiàng),校級(jí)4項(xiàng),發(fā)表論文10余篇,參編教材2部。 程星晶,副教授,貴州大學(xué)碩士,計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)畢業(yè),主持參與項(xiàng)目4項(xiàng),其中省級(jí)3項(xiàng),校級(jí)1項(xiàng),發(fā)表論文8余篇,編寫教材3部,具有豐富的教材編寫經(jīng)驗(yàn)。
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
中國歷史的瞬間
- >
回憶愛瑪儂
- >
姑媽的寶刀
- >
二體千字文
- >
我與地壇
- >
名家?guī)阕x魯迅:故事新編
- >
莉莉和章魚