大數(shù)據(jù)導論

第１章　大數(shù)據(jù)的基本知識　1
1.1　大數(shù)據(jù)概述　1
1.1.1　大數(shù)據(jù)的特征　1
1.1.2　大數(shù)據(jù)的意義　3
1.2　大數(shù)據(jù)的數(shù)據(jù)類型　6
1.2.1　結(jié)構(gòu)化數(shù)據(jù)　6
1.2.2　非結(jié)構(gòu)化數(shù)據(jù)　6
1.2.3　結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的區(qū)別　7
1.3　大數(shù)據(jù)政策　7
1.3.1　國外的大數(shù)據(jù)政策　7
1.3.2　國內(nèi)的大數(shù)據(jù)政策　9
1.4　小結(jié)　10
1.5　習題　10
第２章　大數(shù)據(jù)與新一代信息技術(shù)　11
2.1　大數(shù)據(jù)與云計算　11
2.1.1　云計算概述　11
2.1.2　大數(shù)據(jù)與云計算的區(qū)別與聯(lián)系　17
2.2　大數(shù)據(jù)與物聯(lián)網(wǎng)　18
2.2.1　物聯(lián)網(wǎng)概述　18
2.2.2　大數(shù)據(jù)與物聯(lián)網(wǎng)的區(qū)別與聯(lián)系　21
2.3　大數(shù)據(jù)與人工智能　21
2.3.1　人工智能概述　21
2.3.2　大數(shù)據(jù)與人工智能的區(qū)別與聯(lián)系　25
2.4　大數(shù)據(jù)與區(qū)塊鏈　26
2.4.1　區(qū)塊鏈概述　26
2.4.2　大數(shù)據(jù)與區(qū)塊鏈的區(qū)別與聯(lián)系　27
2.5　小結(jié)　28
2.6　習題　29
第3章　數(shù)據(jù)采集　30
3.1　數(shù)據(jù)采集概述　30
3.1.1　認識數(shù)據(jù)采集　30
3.1.2　數(shù)據(jù)采集的常見方式　31
3.2　數(shù)據(jù)采集平臺　34
3.2.1　Flume　34
3.2.2　Kafka　35
3.2.3　Logstash　37
3.3　網(wǎng)絡爬蟲　37
3.3.1　認識網(wǎng)絡爬蟲　37
3.3.2　網(wǎng)絡爬蟲的分類及特點　40
3.3.3　網(wǎng)絡爬蟲的道德規(guī)范與法律風險　41
3.4　小結(jié)　42
3.5　習題　43
第4章　大數(shù)據(jù)存儲　44
4.1　大數(shù)據(jù)存儲概述　44
4.1.1　大數(shù)據(jù)存儲的概念　44
4.1.2　大數(shù)據(jù)存儲的分類　45
4.2　Hadoop架構(gòu)　48
4.2.1　認識Hadoop架構(gòu)　48
4.2.2　Hadoop的起源與發(fā)展　49
4.2.3　Hadoop生態(tài)組件　51
4.3　NoSQL數(shù)據(jù)庫　63
4.3.1　認識NoSQL數(shù)據(jù)庫　63
4.3.2　NoSQL數(shù)據(jù)庫的分類　63
4.4　數(shù)據(jù)倉庫　69
4.4.1　認識數(shù)據(jù)倉庫　70
4.4.2　數(shù)據(jù)倉庫的特點　73
4.4.3　數(shù)據(jù)倉庫的應用　73
4.5　小結(jié)　74
4.6　習題　74
第5章　數(shù)據(jù)清洗　75
5.1　數(shù)據(jù)清洗概述　75
5.1.1　認識數(shù)據(jù)清洗　75
5.1.2　數(shù)據(jù)清洗的流程　77
5.1.3　數(shù)據(jù)質(zhì)量　78
5.2　數(shù)據(jù)清洗的方法　82
5.2.1　處理缺失值　82
5.2.2　處理異常值　83
5.2.3　處理重復值　85
5.3　數(shù)據(jù)清洗的常用工具　85
5.3.1　Python　85
5.3.2　R　87
5.3.3　Kettle　88
5.3.4　DataCleaner　89
5.4　小結(jié)　91
5.5　習題　91
第6章　大數(shù)據(jù)分析與挖掘　92
6.1　大數(shù)據(jù)分析概述　92
6.1.1　大數(shù)據(jù)分析的概念　92
6.1.2　大數(shù)據(jù)分析的常用方法　97
6.2　數(shù)據(jù)挖掘　102
6.2.1　認識數(shù)據(jù)挖掘　102
6.2.2　數(shù)據(jù)挖掘的應用　104
6.3　數(shù)據(jù)挖掘的常見算法　105
6.3.1　K-Means算法　106
6.3.2　KNN算法　107
6.3.3　樸素貝葉斯算法　108
6.3.4　決策樹算法　110
6.3.5　支持向量機算法　112
6.4　小結(jié)　114
6.5　習題　114
第7章　數(shù)據(jù)可視化　115
7.1　數(shù)據(jù)可視化概述　115
7.1.1　認識數(shù)據(jù)可視化　115
7.1.2　數(shù)據(jù)可視化的類型　122
7.2　數(shù)據(jù)可視化的方法　123
7.2.1　文本可視化　123
7.2.2　社交網(wǎng)絡可視化　125
7.2.3　地理空間可視化　127
7.3　數(shù)據(jù)可視化的常見工具　130
7.3.1　ECharts　130
7.3.2　Excel　133
7.3.3　D3　135
7.3.4　Tableau　137
7.4　小結(jié)　139
7.5　習題　139
第8章　大數(shù)據(jù)安全與治理　140
8.1　大數(shù)據(jù)安全概述　140
8.1.1　認識數(shù)據(jù)安全　140
8.1.2　大數(shù)據(jù)面臨的安全挑戰(zhàn)　143
8.1.3　大數(shù)據(jù)安全的關鍵技術(shù)　145
8.2　數(shù)據(jù)治理　151
8.2.1　認識數(shù)據(jù)治理　151
8.2.2　數(shù)據(jù)治理的目標　156
8.2.3　數(shù)據(jù)治理的實現(xiàn)　157
8.3　小結(jié)　169
8.4　習題　169
第9章　大數(shù)據(jù)的應用　170
9.1　農(nóng)業(yè)大數(shù)據(jù)　170
9.1.1　認識農(nóng)業(yè)大數(shù)據(jù)　170
9.1.2　農(nóng)業(yè)大數(shù)據(jù)的關鍵技術(shù)　173
9.1.3　農(nóng)業(yè)大數(shù)據(jù)的應用　177
9.2　工業(yè)大數(shù)據(jù)　179
9.2.1　認識工業(yè)大數(shù)據(jù)　179
9.2.2　工業(yè)大數(shù)據(jù)的關鍵技術(shù)　181
9.2.3　工業(yè)大數(shù)據(jù)的應用　185
9.3　金融大數(shù)據(jù)　187
9.3.1　認識金融大數(shù)據(jù)　187
9.3.2　金融大數(shù)據(jù)的關鍵技術(shù)　189
9.3.3　金融大數(shù)據(jù)的應用　193
9.4　交通大數(shù)據(jù)　194
9.4.1　認識交通大數(shù)據(jù)　194
9.4.2　交通大數(shù)據(jù)的關鍵因素　197
9.4.3　交通大數(shù)據(jù)的應用　199
9.5　小結(jié)　200
9.6　習題　201
參考文獻　202