大数据与云计算导论
基础+案例,配源代码、课件、教学大纲、教案、课程标准、习题答案、期末试卷等,咨询QQ:2301891038(仅限教师)。

作者:陈恒

丛书名:高等学校大数据专业系列教材

定价:49.9元

印次:1-1

ISBN:9787302669593

出版日期:2024.08.01

印刷日期:2024.08.07

图书责编:陈景辉

图书分类:教材

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

"本书探讨了大数据对当今世界的影响和重要性,并系统地介绍了大数据的基础知识、关键技术和实践案例,涵盖大数据概述与基础、大数据与云计算、大数据处理、数据统计与分析、大数据安全与隐私、数据可视化、大数据与社交媒体融合以及大数据在医疗、旅游业、金融、制造业等领域的应用以及大数据与云计算的技术融合。 本书主要面向从事数据分析、机器学习、数据挖掘或深度学习的专业人员,从事高等教育的专任教师,高等学校的在读学生及相关领域的科研人员。 "

前言 近年来,随着大数据、机器学习、数据挖掘以及人工智能等领域的迅猛发展,人们对数据的分析、处理和应用的认知方式发生了改变,各行各业的运作方式与未来发展方向也受到了正向影响。这些技术已经深入医疗、旅游业、金融、制造业以及人们的日常生活。这种深远的影响,让各行业意识到了技术转型的必要性,也为其未来的发展指明了方向。同时,由于这些领域的兴起,对相关领域专业人才的需求也与日俱增。这对高等学校计算机专业人才培养提出了新的要求,因此相关配套教材也应具有一定的可用性和前沿性。 本书主要内容 本书以问题为导向,对大数据的应用领域和未来发展趋势进行探讨,强调了大数据时代带来的机遇和挑战,适合对大数据应用和其场景感兴趣的读者学习。本书共包含11章,每章都以案例和实践为辅助,帮助读者更深入地理解和应用所学知识。 第1章介绍了大数据的定义、特征,以及不同类型的大数据结构,探索了个人生活、企业和政府部门中的大数据应用。 第2章探讨了云计算的定义、特征,体系架构和服务模式,包括虚拟化技术、并行计算技术,以及云计算与大数据的融合及案例。 第3章涵盖了数据采集方法、数据影响因素与质量评估,数据清洗、变换、归约等数据处理技术。 第4章介绍了统计分析方法,数据挖掘的概念、分类、过程,以及常用的数据挖掘算法,并结合文学分析案例进行讲解。 第5章深入探讨了大数据时代的安全问题,包括网络安全漏洞、隐私泄露,提出了解决大数据安全和隐私保护的策略与技术。 第6章涉及数据可视化的类型、流程、步骤以及评估方法,帮助读者更好地理解数据。 第7章探索了社交媒...

课件下载

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情

目录

第一部分〓爬虫基础篇

第1章大数据概述与基础

1.1大数据时代的兴起

1.1.1大数据时代的技术演进

1.1.2大数据时代的社会和经济变革

1.2什么是大数据

1.2.1数据的基本知识

1.2.2大数据的定义和特征

1.3大数据的结构与类型

1.4大数据的应用

1.4.1个人生活中的大数据应用

1.4.2企业中的大数据应用

1.4.3政府部门中的大数据应用

1.5数据科学与大数据技术

1.5.1数据科学概述

1.5.2大数据工具与技术

1.6习题与实践

第2章大数据与云计算

2.1云计算概述

2.1.1云计算的特征

2.1.2云计算体系架构与服务模式

2.2云计算技术与应用

2.2.1虚拟化技术

2.2.2并行计算技术

2.2.3海量数据管理与存储技术

2.3云计算与大数据的融合

2.4案例: 智慧城市建设

2.5习题与实践

第3章大数据处理

3.1数据采集与数据质量

3.1.1数据采集方法

3.1.2数据影响因素与质量评估

3.2数据清洗与变换

3.2.1处理残缺、噪声、冗余数据

3.2.2数据变换与集成

3.3数据归约

3.3.1维度归约

3.3.2数值归约

3.4习题与实践

第4章数据统计与分析

4.1统计分析方法

4.2数据挖掘

4.3数据挖掘算法

4.4案例: 大数据在文学分析中的应用

4.4.1...

"(1) 问题驱动,由浅入深。
本书以问题为导向,由浅入深地介绍大数据的核心概念和技术,逐步深入探讨大数据的结构、应用领域,帮助读者逐步理解和掌握相关知识。
(2) 理实结合,突出重点。
结合丰富的案例和实践,本书突出大数据处理、分析的重点,通过深入分析大数据安全、云计算与大数据融合等领域,强调理论知识与实际应用的联系。
(3) 案例丰富,实用性强。
通过丰富的行业案例和实际应用场景,详细讲解大数据在医疗、旅游、金融、制造业等领域的应用。
(4) 内容简明,易于理解。
本书简洁明了,专注于重要概念和关键知识点,,避免过多冗长的论述,便于理解大数据知识,更好地掌握实际应用场景。"