《大數據基礎》一書採用知識理論與實驗案例相結合的方式展開講述。在相應知識點闡述過程中，以人們在日常工作、學習中經常碰到的具體問題作為案例，結合大數據挖掘和處理的基本理論與知識，展示解決問題的思路和基本方法，從而加強讀者對大數據的理解和感性認知，找到大數據套用背後的基本原理和邏輯路徑。本書內容主要包括：大數據概述、大數據思維、大數據支撐技術、大數據採集與預處理、大數據分析與挖掘、深度學習與人工智慧、大數據可視化。
基本介紹
- 中文名：大數據基礎
- 作者：郭清溥,張功富
- 出版社：電子工業出版社
- 出版時間：2020年6月1日
- 頁數：244 頁
- 定價：45 元
- 裝幀：平裝
- ISBN：9787121382932
內容簡介,圖書目錄,出版背景,作者簡介,
內容簡介
本書通過具體案例及其實現方法的論述與展示為讀者建立起大數據時代背景下解決相關問題的基本思維方式和行為方法論，採用先易後難、先巨觀後具體的基本架構。全書共有7章，具體章節安排如下：第1章“大數據概述”，闡述了大數據的基本概念及大數據時代的特徵，從總體上給出了當前大數據的主要套用領域和場景，以及在各種場景中所需的基本支撐技術，在此基礎上歸納了一些大數據的典型解決方案。第2章從思維與思維方法的角度論述了大數據時代人們思考、解決問題所面臨的一些新問題和新挑戰，並系統地給出了大數據思維新模式。第3章“大數據支撐技術”，較為詳細地闡述了實現大數據挖掘和套用所需要的具體技術及其相互之間的關係。這一章是大數據技術的基礎、核心章節，也是構建大數據生態環境和軟/硬體平台的依據。第4章和第5章一起闡述了大數據套用的基本流程，即大數據採集、預處理、分析和挖掘。但第4章中大數據的採集、預處理與後續第5章的大數據分析、挖掘相比較，無論是在技術、方法目標方面還是在邏輯方面都有較大差異，因此分別進行了針對性的論述。第6章闡述了大數據挖掘、分析中最為常用和有效的手段——人工智慧，以及人工智慧近年來的重要發展和代表性成果——深度學習，這些具體的方法、模型和工具在大數據中的套用和實踐已經在很多商業和企業領域得以普及，具有重要的現實價值。最後，第7章給出了大數據套用中的最終步驟，大數據及其信息的輸出——大數據可視化相關的概念、發展和典型案例。本書配套的教輔資源可到華信教育資源網下載。
圖書目錄
第1章 大數據概述1.1 大數據時代1.1.1 大數據時代的數據特徵1.1.2 大數據時代的大數據服務1.2 大數據相關概念1.2.1 大數據定義1.2.2 大數據空間1.2.3 大數據處理1.2.4 大數據系統1.3 大數據套用現狀1.3.1 金融與財務大數據套用案例1.3.2 其他領域的大數據套用案例1.4 大數據相關技術1.4.1 物聯網技術1.4.2 雲技術1.4.3 移動網際網路技術1.4.4 人工智慧技術1.5 大數據解決方案1.6 大數據與企業數位化轉型1.6.1 財務智慧型化轉型的機遇與挑戰1.6.2 數位化轉型案例1.7 大數據面臨的挑戰與發展展望第2章 大數據思維2.1 大數據思維的重要意義2.2 數據核心思維2.3 數據決策思維2.4 數據全樣思維2.5 數據容錯思維2.6 數據關聯思維2.7 數據傳遞思維2.8 數據乘法思維第3章 大數據支撐技術3.1 虛擬化技術3.1.1 虛擬化技術概述3.1.2 虛擬化技術的發展與分類3.1.3 虛擬化包含的組件與方法3.1.4 虛擬化的優勢3.1.5 虛擬化的套用3.1.6 虛擬化與雲計算3.1.7 存儲虛擬化3.1.8 系統虛擬化3.1.9 桌面虛擬化3.1.10 套用虛擬化3.1.11 典型虛擬化產品3.1.12 虛擬化實現案例3.2 雲計算3.2.1 雲計算概述3.2.2 雲計算產業鏈發展3.2.3 雲計算架構與模式3.2.4 雲計算的關鍵技術3.3 存儲技術3.3.1 存儲介質的發展3.3.2 存儲體系架構的發展3.3.3 雲存儲技術3.4 開源大數據生態系統3.4.1 Linux3.4.2 Hadoop3.4.3 基於Linux+Hadoop的大數據云系統構建3.5 Spark3.6 資料庫與數據倉庫技術3.6.1 大數據與資料庫的關係3.6.2 資料庫技術概述3.6.3 數據倉庫技術概述第4章 大數據採集與預處理4.1 數據爬取4.1.1 數據爬取概述4.1.2 數據爬取案例4.2 數據變換與集成4.2.1 數據變換與集成概述4.2.2 數據變換案例4.3 數據規約4.3.1 數據規約概述4.3.2 數據規約案例4.4 數據清洗4.4.1 數據清洗概述4.4.2 數據清洗案例4.5 數據管理平台第5章 大數據分析與挖掘5.1 數據挖掘概述5.1.1 數據挖掘起源5.1.2 數據挖掘定義5.1.3 數據挖掘技術與套用5.1.4 數據挖掘流程與模型5.2 數據挖掘工具5.2.1 Sklearn5.2.2 Spark MLlib5.3 數據挖掘算法5.3.1 關聯5.3.2 分類5.3.3 聚類第6章 深度學習與人工智慧6.1 深度學習概述6.1.1 深度學習定義6.1.2 深度學習套用領域6.2 人工智慧與大數據6.2.1 人工智慧與大數據的區別6.2.2 人工智慧與大數據的關聯6.3 深度學習工具6.3.1 TensorFlow6.3.2 PyTorch6.4 深度學習案例6.4.1 手寫數字識別案例6.4.2 語音識別案例6.4.3 人工智慧與企業運營數位化6.4.4 人工智慧在企業財務工作中的套用第7章 大數據可視化7.1 數據可視化概述7.1.1 數據可視化的概念7.1.2 數據可視化市場與發展7.1.3 數據可視化的特徵與趨勢7.2 可視化工具與套用案例7.2.1 Excel7.2.2 Matplotlib7.2.3 Highcharts7.2.4 可視化平台—— 浪潮BA
