大数据导论【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

大数据导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 大数据概述1

1.1 大数据定义1

1.1.1 初识大数据1

1.1.2 大数据的特征2

1.1.3 大数据技术3

1.2 大数据的结构类型6

1.2.1 结构化数据6

1.2.2 半结构化数据7

1.2.3 非结构化数据7

1.2.4 其他分类方式下的数据类型8

1.3 大数据发展9

1.3.1 大数据概念发展9

1.3.2 大数据浪潮下数据存储的发展10

1.4 大数据应用及挑战11

1.4.1 大数据应用11

1.4.2 大数据发展面临的挑战15

本章小结17

思考题18

第2章 大数据采集19

2.1 大数据来源19

2.2 大数据采集设备20

2.2.1 科研数据采集设备20

2.2.2 网络数据采集设备21

2.3 大数据采集方法21

2.3.1 科研大数据采集方法21

2.3.2 网络大数据采集方法22

2.3.3 系统日志采集方法24

2.4 大数据预处理技术25

2.4.1 数据预处理技术基本概述26

2.4.2 数据清理27

2.4.3 数据集成30

2.4.4 数据变换与数据离散化31

本章小结34

思考题34

第3章 大数据存储35

3.1 云存储35

3.1.1 云存储简介35

3.1.2 云存储技术38

3.2 大数据存储43

3.2.1 大数据存储的特点与挑战43

3.2.2 存储系统架构44

3.2.3 新兴数据库技术47

3.3 数据中心50

3.3.1 数据中心概述50

3.3.2 数据中心的演进52

3.3.3 数据中心的分级55

3.3.4 数据中心的体系结构56

3.4 数据仓库59

3.4.1 数据仓库的基本概念59

3.4.2 数据仓库的体系结构62

本章小结62

思考题63

第4章 大数据计算平台64

4.1 云计算64

4.1.1 云计算定义64

4.1.2 云计算特点64

4.1.3 云计算体系架构65

4.1.4 云计算与相关计算形式67

4.1.5 云计算的机遇与挑战68

4.2 云计算平台70

4.2.1 主流分布式计算系统70

4.2.2 主流分布式计算平台70

4.3 MapReduce平台74

4.3.1 数据存储技术75

4.3.2 数据管理技术76

4.3.3 编程模型77

4.4 Hadoop平台78

4.4.1 Hadoop概述78

4.4.2 Hadoop结构79

4.4.3 Hadoop分布式文件系统HDFS80

4.4.4 Hadoop中的MapReduce80

4.4.5 Hadoop中MapReduce的任务调度82

4.5 Spark平台82

4.5.1 Spark简介82

4.5.2 核心思想与编程模型84

4.5.3 工作原理85

4.5.4 Spark的优势87

本章小结87

思考题88

第5章 大数据分析89

5.1 大数据分析方法89

5.1.1 布隆过滤器89

5.1.2 散列法91

5.1.3 索引法93

5.1.4 字典树95

5.1.5 并行计算96

5.2 大数据分析架构98

5.2.1 实时分析与离线分析98

5.2.2 不同层次的分析100

5.2.3 不同复杂度的分析102

5.3 大数据分析应用103

5.3.1 R语言103

5.3.2 Excel和SQL103

5.3.3 RapidMiner104

5.3.4 KNIME105

5.3.5 Weka和Pentaho105

本章小结106

思考题107

第6章 大数据挖掘108

6.1 大数据挖掘算法109

6.1.1 关联规则109

6.1.2 分类分析114

6.1.3 聚类分析119

6.2 大数据挖掘工具123

6.2.1 RapidMiner123

6.2.2 Weka123

6.2.3 KNIME124

6.2.4 Orange124

6.2.5 R语言125

6.3 大数据挖掘平台125

6.3.1 基于Hadoop的平台126

6.3.2 基于云计算的平台128

6.3.3 基于Spark的平台129

6.4 大数据挖掘应用131

6.4.1 社交媒体131

6.4.2 医学132

6.4.3 教育132

6.4.4 金融133

本章小结134

思考题134

第7章 大数据下的机器学习算法135

7.1 大数据特征选择135

7.1.1 大数据特征选择的必要性135

7.1.2 大数据特征选择方法136

7.2 大数据分类140

7.2.1 决策树分类140

7.2.2 朴素贝叶斯分类142

7.2.3 贝叶斯网络分类143

7.2.4 支持向量机分类144

7.3 大数据聚类145

7.3.1 K-means算法146

7.3.2 DBSCAN算法150

7.3.3 层次聚类算法151

7.4 大数据关联分析153

7.4.1 有趣关系154

7.4.2 Apriori算法154

7.4.3 FP-growth算法156

7.5 大数据并行算法158

7.5.1 基于MapReduce的并行算法设计158

7.5.2 超越MapReduce的并行算法设计160

本章小结162

思考题162

第8章 大数据可视化163

8.1 大数据可视化之美163

8.1.1 数据可视化的基本概念163

8.1.2 大数据可视化的表现形式164

8.2 大数据可视化技术165

8.2.1 基于图形的可视化方法166

8.2.2 基于平行坐标法的可视化技术168

8.2.3 其他数据可视化技术169

8.3 大数据可视化工具169

8.3.1 R语言在可视化中的应用170

8.3.2 D3在可视化中的应用171

8.3.3 Python在可视化中的应用172

8.4 大数据可视化案例173

8.4.1 波士顿地铁数据可视化173

8.4.2 实时风场可视化175

8.4.3 GapMinder176

8.4.4 死亡率与税收177

8.4.5 社交关系图177

8.5 大数据可视化的未来178

8.5.1 数据可视化面临的挑战178

8.5.2 数据可视化技术的发展方向178

8.5.3 数据可视化未来的主要应用178

本章小结179

思考题179

第9章 社交大数据180

9.1 社交大数据180

9.1.1 社交数据分析让社交网站更懂用户180

9.1.2 大数据和社交网络181

9.2 社交大数据在国内社交网络中的应用182

9.2.1 在腾讯大数据中的应用182

9.2.2 在微博大数据中的应用185

9.2.3 在淘宝大数据中的应用188

9.2.4 在滴滴大数据中的应用189

9.2.5 在百度大数据中的应用190

9.3 大数据与Facebook：人们情绪的分析192

9.3.1 用大数据分析人们对品牌的情绪192

9.3.2 关于人们在Facebook上怀旧情绪的分析194

9.4 大数据和Twitter：实例分析196

9.4.1 分析用户消费习惯196

9.4.2 预测热门股票走势199

思考题202

第10章 交通大数据203

10.1 交通数据分类及其相关分析203

10.1.1 社会信号数据203

10.1.2 移动手机数据205

10.1.3 刷卡数据205

10.1.4 社交网络数据205

10.1.5 交通数据处理206

10.2 交通情况监测207

10.2.1 交通事故数据集应用208

10.2.2 监测交通情况210

10.3 预测人类移动行为214

10.3.1 人类移动性分析与概述215

10.3.2 人类移动性研究的数据基础与方法215

10.3.3 人类活动模式与移动行为预测217

10.3.4 人类移动性研究及预测的挑战及展望218

10.4 其他应用220

本章小结225

思考题225

第11章 医疗大数据226

11.1 医疗大数据简介226

11.1.1 医疗大数据的来源226

11.1.2 医疗大数据特点226

11.1.3 大数据对医疗的影响226

11.2 基于大数据的临床决策分析228

11.2.1 基于大数据的临床决策支持系统的架构228

11.2.2 基于大数据的临床决策支持系统的功能应用228

11.2.3 大数据在临床决策中的价值229

11.2.4 促进数据解锁的示例230

11.3 基于大数据的医疗数据系统分析231

11.3.1 大数据在医疗信息化行业的应用研究231

11.3.2 医疗健康数据来源232

11.3.3 医疗大数据体系结构232

11.4 基于大数据的远程患者监控235

11.4.1 远程医疗的应用领域235

11.4.2 大数据在远程医疗产业中的应用236

11.4.3 大数据推动远程医疗发展存在的问题237

11.4.4 运用大数据推动远程医疗发展的前景展望237

本章小结238

思考题238

第12章 金融大数据239

12.1 摩根大通信贷市场分析241

12.1.1 摩根大通信贷市场介绍241

12.1.2 金融科技助力摩根大通243

12.1.3 金融大数据面临的挑战244

12.2 瑞士银行集合风险分析244

12.2.1 集合风险分析245

12.2.2 大数据分析信用风险245

12.2.3 大数据对金融数据的处理246

12.3 民生银行新核心业务平台分析247

12.3.1 技术支持248

12.3.2 新一代数据分析体系248

12.3.3 大数据应用场景250

12.3.4 面临的挑战251

12.4 阿里信贷金融模式分析251

12.4.1 阿里巴巴大数据平台支持252

12.4.2 阿里信贷金融模式的优势253

12.4.3 阿里信贷金融模式所面临的风险254

本章小结256

思考题256

第13章 大数据教育257

13.1 大数据教育简介257

13.2 微课教学263

13.2.1 微课简述263

13.2.2 大数据背景下的微课264

13.2.3 微课在编程语言类教学模式的应用265

13.3 慕课教学266

13.3.1 慕课简述266

13.3.2 大数据背景下的慕课267

13.3.3 慕课中的大数据应用实例269

13.4 云教育270

13.4.1 云教育平台简述270

13.4.2 基于大数据的云教学环境272

13.4.3 大数据背景下的智慧教育云的应用273

本章小结275

思考题275

参考文献276