定 價：39 元
叢書名：高等院校數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)"互聯(lián)網(wǎng)+"創(chuàng)新規(guī)劃教材
當(dāng)前圖書已被 2 所學(xué)校薦購過！
查看明細
- 作者：王道平,崔鴻飛,葛根哈斯 主編
- 出版時間：2025/1/1
- ISBN：9787301352205
- 出 版 社：北京大學(xué)出版社
- 中圖法分類：TP274
- 頁碼：184
- 紙張：
- 版次：2
- 開本：16開
本書緊跟大數(shù)據(jù)技術(shù)的最新發(fā)展、重視基礎(chǔ)知識體系，系統(tǒng)地介紹了大數(shù)據(jù)技術(shù)與應(yīng)用的基本概念和思維方式，詳細闡述了大數(shù)據(jù)的采集、存儲、處理、分析和可視化等相關(guān)內(nèi)容，并結(jié)合了最新的技術(shù)應(yīng)用案例，講述了大數(shù)據(jù)在金融、互聯(lián)網(wǎng)、生物醫(yī)學(xué)等領(lǐng)域的應(yīng)用以及大數(shù)據(jù)環(huán)境下的隱私和安全問題。
本書既可以作為高等院校大數(shù)據(jù)、計算機科學(xué)與技術(shù)、軟件工程及相關(guān)專業(yè)課程的教材，也可以供系統(tǒng)分析師、系統(tǒng)架構(gòu)師、軟件開發(fā)工程師、項目經(jīng)理及對大數(shù)據(jù)技術(shù)感興趣的讀者閱讀和參考。
王道平【主編】【現(xiàn)當(dāng)代】
————————————————————
王道平，博士，教授，博士生導(dǎo)師，北京科技大學(xué)經(jīng)濟管理學(xué)院管理科學(xué)系，研究方向為供應(yīng)鏈與物流管理、大數(shù)據(jù)技術(shù)與應(yīng)用、智能管理系統(tǒng)等，主講大數(shù)據(jù)概論、數(shù)據(jù)組織與分析技術(shù)、供應(yīng)鏈與物流管理等課程，承擔(dān)多項國家自然科學(xué)基金課題和省部級課題，主編出版《現(xiàn)代物流信息技術(shù)》、《現(xiàn)代物流管理》、《供應(yīng)鏈管理》、《大數(shù)據(jù)導(dǎo)論》、《大數(shù)據(jù)處理》、《智能制造概論》等多部教材，其中1部教材被評為北京高校優(yōu)質(zhì)本科教材，2部教材被評為北京市高等教育精品教材。
崔鴻飛【主編】【現(xiàn)當(dāng)代】
————————————————————
崔鴻飛，女，2016年畢業(yè)于清華大學(xué)自動化系，并在清華大學(xué)計算機系從事博士后研究，2019年6月起就職于北京科技大學(xué)經(jīng)濟管理學(xué)院管理科學(xué)與工程系，研究方向為商業(yè)及醫(yī)療的大數(shù)據(jù)分析處理。參加了多項國家自然科學(xué)基金課題，在國際期刊上發(fā)表學(xué)術(shù)論文10余篇。
葛根哈斯【主編】【現(xiàn)當(dāng)代】
————————————————————
葛根哈斯，女，蒙古族，1988年出生，畢業(yè)于北京科技大學(xué)經(jīng)濟管理學(xué)院管理科學(xué)與工程專業(yè)，獲博士學(xué)位，現(xiàn)為內(nèi)蒙古財經(jīng)大學(xué)統(tǒng)計學(xué)院講師，主要研究方向為大數(shù)據(jù)分析，供應(yīng)鏈與物流管理等。公開發(fā)表論文十余篇。
目 錄
第1章 大數(shù)據(jù)概述 1
1.1 大數(shù)據(jù)的背景 1
1.1.1 互聯(lián)網(wǎng)的四次浪潮 2
1.1.2 大數(shù)據(jù)的變革思維 2
1.2 大數(shù)據(jù)簡介 3
1.2.1 大數(shù)據(jù)的概念 3
1.2.2 大數(shù)據(jù)的特征 4
1.2.3 大數(shù)據(jù)的結(jié)構(gòu)類型 5
1.2.4 大數(shù)據(jù)的關(guān)鍵技術(shù) 6
1.2.5 大數(shù)據(jù)的核心產(chǎn)業(yè)鏈 7
1.3 大數(shù)據(jù)的發(fā)展和應(yīng)用 9
1.3.1 大數(shù)據(jù)的發(fā)展態(tài)勢 9
1.3.2 我國大數(shù)據(jù)發(fā)展面臨的問題與
挑戰(zhàn) 11
1.3.3 大數(shù)據(jù)的應(yīng)用 13
小結(jié) 14
習(xí)題 14
第2章 大數(shù)據(jù)的采集和預(yù)處理 16
2.1 大數(shù)據(jù)的采集 16
2.1.1 大數(shù)據(jù)的采集來源 17
2.1.2 大數(shù)據(jù)的采集方法 18
2.1.3 大數(shù)據(jù)的采集平臺 20
2.2 大數(shù)據(jù)的預(yù)處理技術(shù) 22
2.2.1 數(shù)據(jù)清洗 22
2.2.2 數(shù)據(jù)集成 23
2.2.3 數(shù)據(jù)變換 24
2.2.4 數(shù)據(jù)歸約 24
2.3 數(shù)據(jù)倉庫與ETL工具 26
2.3.1 數(shù)據(jù)倉庫的組成 26
2.3.2 數(shù)據(jù)倉庫的數(shù)據(jù)模型 28
2.3.3 常用的ETL工具 30
小結(jié) 33
習(xí)題 33
第3章 大數(shù)據(jù)存儲 35
3.1 傳統(tǒng)存儲 36
3.1.1 硬盤 36
3.1.2 直連式存儲 37
3.1.3 網(wǎng)絡(luò)存儲 39
3.2 分布式存儲 42
3.2.1 存儲結(jié)構(gòu) 42
3.2.2 系統(tǒng)架構(gòu) 43
3.2.3 典型系統(tǒng) 44
3.3 云存儲 46
3.3.1 云存儲的結(jié)構(gòu)模型 46
3.3.2 云存儲的分類 47
3.3.3 云存儲的優(yōu)勢和劣勢 48
3.3.4 云存儲的發(fā)展趨勢 49
小結(jié) 51
習(xí)題 51
第4章 大數(shù)據(jù)處理與計算 53
4.1 Hadoop處理框架 54
4.1.1 HDFS 54
4.1.2 MapReduce 55
4.1.3 YARN 58
4.1.4 ZooKeeper 60
4.2 Spark處理框架 62
4.2.1 Scala 62
4.2.2 Spark SQL 64
4.2.3 Spark Streaming 66
4.3 Storm開源流計算框架 67
4.3.1 Storm的基本概念 67
4.3.2 Spout和Bolt 69
4.3.3 Topology 69
小結(jié) 71
習(xí)題 71
第5章 大數(shù)據(jù)分析 73
5.1 大數(shù)據(jù)分析的類型 73
5.1.1 描述性分析 74
5.1.2 探索性分析 75
5.1.3 驗證性分析 75
5.2 大數(shù)據(jù)分析的方法 76
5.2.1 回歸分析 76
5.2.2 關(guān)聯(lián)分析 77
5.2.3 分類 82
5.2.4 聚類 84
5.3 大數(shù)據(jù)分析的工具 87
5.3.1 Excel 87
5.3.2 R 88
5.3.3 RapidMiner 89
5.3.4 KNIME 90
5.3.5 Weka 91
小結(jié) 93
習(xí)題 94
第6章 大數(shù)據(jù)可視化 96
6.1 大數(shù)據(jù)可視化概述 97
6.1.1 大數(shù)據(jù)可視化的概念 97
6.1.2 可視化的起源 97
6.1.3 大數(shù)據(jù)可視化的作用 98
6.2 大數(shù)據(jù)可視化的技術(shù) 99
6.2.1 基于圖形的可視化技術(shù) 99
6.2.2 基于平行坐標(biāo)法的
可視化技術(shù) 106
6.2.3 其他大數(shù)據(jù)可視化技術(shù) 107
6.3 大數(shù)據(jù)可視化的工具 107
6.3.1 入門級工具 107
6.3.2 信息圖表工具 108
6.3.3 地圖工具 108
6.3.4 時間線工具 108
6.3.5 高級分析工具 109
6.4 大數(shù)據(jù)可視化的發(fā)展 109
6.4.1 大數(shù)據(jù)可視化面臨的挑戰(zhàn) 109
6.4.2 大數(shù)據(jù)可視化的發(fā)展方向 110
6.4.3 大數(shù)據(jù)可視化未來的應(yīng)用 111
小結(jié) 112
習(xí)題 113
第7章 大數(shù)據(jù)應(yīng)用 115
7.1 大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用 115
7.1.1 大數(shù)據(jù)與客戶管理 116
7.1.2 大數(shù)據(jù)與風(fēng)險管控 119
7.1.3 大數(shù)據(jù)與運營優(yōu)化 121
7.2 大數(shù)據(jù)在互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用 122
7.2.1 大數(shù)據(jù)與電子商務(wù) 122
7.2.2 大數(shù)據(jù)與社交媒體 126
7.2.3 大數(shù)據(jù)與零售行業(yè) 128
7.3 大數(shù)據(jù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用 129
7.3.1 大數(shù)據(jù)與流行病預(yù)測 129
7.3.2 大數(shù)據(jù)與智慧醫(yī)療 132
7.3.3 大數(shù)據(jù)與生物信息學(xué) 134
7.4 大數(shù)據(jù)在其他領(lǐng)域的應(yīng)用 135
7.4.1 大數(shù)據(jù)與智慧物流 136
7.4.2 大數(shù)據(jù)與汽車行業(yè) 137
7.4.3 大數(shù)據(jù)與公共管理 141
7.4.4 大數(shù)據(jù)與教育行業(yè) 145
小結(jié) 147
習(xí)題 148
第8章 大數(shù)據(jù)隱私與安全 150
8.1 大數(shù)據(jù)面臨的隱私與安全問題 151
8.1.1 大數(shù)據(jù)隱私與安全的定義 151
8.1.2 影響大數(shù)據(jù)隱私與安全的
主要因素 152
8.1.3 大數(shù)據(jù)隱私與安全問題的
分類 153
8.2 大數(shù)據(jù)隱私與安全的防護策略 156
8.2.1 存儲安全策略 157
8.2.2 應(yīng)用安全策略 158
8.2.3 管理安全策略 159
8.3 大數(shù)據(jù)隱私與安全的防護技術(shù) 162
8.3.1 數(shù)據(jù)采集與存儲安全技術(shù) 162
8.3.2 數(shù)據(jù)挖掘安全技術(shù) 166
8.3.3 數(shù)據(jù)發(fā)布安全技術(shù) 167
8.3.4 防范APT技術(shù) 168
小結(jié) 172
習(xí)題 173
參考文獻 175
書單推薦
