案例驅動的大數(shù)據(jù)原理技術及應用

第1章 大數(shù)據(jù)基本概念
1．1 大數(shù)據(jù)的定義與特征
1．2 大數(shù)據(jù)的關鍵技術
1．3 主流的大數(shù)據(jù)平臺
1．4 大數(shù)據(jù)的主要應用
1．5 本章小結
1．6 習題
第2章 Spark系統(tǒng)與編程簡介
2．1 Spark概述
2．2 Spark系統(tǒng)架構及運行模式
2．3 Spark系統(tǒng)安裝
2．4 Python編程基礎
2．5 Spark的編程方式
2．6 Spark的監(jiān)控管理
2．7 Spark RDD
2．8 編程的基本步驟
2．9 本章小結
2．10 習題
第3章 大數(shù)據(jù)分析基礎算法與實例
3．1 大數(shù)據(jù)分析概述
3．2 Spark基礎算法
3．3 實例：詞頻統(tǒng)計
3．4 實例：圓周率的計算
3．5 本章小結
3．6 習題
附錄
第4章 面向大數(shù)據(jù)的機器學習算法與實例
4．1 機器學習簡介
4．2 Spark M Llib介紹
4．3 機器學習應用實例
4．4 本章小結
4．5 習題
第5章 面向大數(shù)據(jù)的流數(shù)據(jù)分析算法與實例
5．1 Spark Streaming簡介
5．2 spark streaming架構
5．3 Spark Streaming運行原理
5．4 spark streaming實例
5．5 容錯、持久化和性能優(yōu)化
5．6 本章小結
5．7 習題
第6章 面向大數(shù)據(jù)的圖算法與實例
6．1 圖的基本概念
6．2 圖計算的同步機制
6．3 GraphFrames安裝和基礎使用
6．5 最短路徑算法及實例
6．6 網(wǎng)頁排名
6．7 本章小結
6．8 習題
第7章 大數(shù)據(jù)應用編程案例
7．1 基于遙感數(shù)據(jù)的海冰/雪檢測
7．2 基于時間序列數(shù)據(jù)的預測
7．3 本章小結
7．4 習題
參考文獻