科技
类型
可以朗读
语音朗读
260千字
字数
2021-10-01
发行日期
展开全部
主编推荐语
大数据分析基础与实战：培养数据思维
内容简介
本书聚焦大数据分析的基本认知和数据思维的培养，通过大数据分析的基础知识、理论方法、技术工具和实践应用等，帮助读者掌握大数据分析的核心概念和整体框架；进而通过实际企业的大数据实战案例、真实数据和主流工具，帮助读者思考如何从数据维度解决问题。本书作者为南京工业大学教授，全书结构严密，强调实践，可以作为对数据科学与大数据有兴趣读者的学习用书，也可作为企事业单位企业管理、电子商务、市场营销、国际贸易等相关从业人员的参考用书。
目录
- 版权信息
- 致读者
- 前言
- 第一章 从头说起：什么是大数据分析
- 1.1 大数据分析的背景与基础
- 1.1.1 大数据分析的背景
- 1.1.2 大数据分析的基础
- 1.2 大数据分析的概念与原理
- 1.2.1 大数据分析的概念界定
- 1.2.2 大数据分析的基本原理
- 1.3 大数据分析的思维与误区
- 1.3.1 大数据分析的思维
- 1.3.2 大数据分析的误区
- 1.4 大数据分析的作用及影响
- 1.4.1 大数据分析对企业的作用和影响
- 1.4.2 大数据分析对社会的作用和影响
- 1.5 大数据分析的过程与对象
- 1.5.1 大数据分析的过程
- 1.5.2 大数据分析的对象
- 1.6 大数据分析的流程与基础模型
- 1.6.1 大数据分析的流程
- 1.6.2 大数据分析的基础模型
- 延伸阅读：大数据分析带来的改变
- 认知大数据分析的价值
- 第二章 整体认知：大数据分析的体系架构
- 2.1 大数据分析的总体架构
- 2.1.1 基础IT系统
- 2.1.2 数据集中与标准化
- 2.1.3 数据报表与可视化
- 2.1.4 产品与运营分析
- 2.1.5 精细化运营
- 2.1.6 数据产品
- 2.2 大数据分析的技术体系
- 2.2.1 基于分析流程的大数据技术栈
- 2.2.2 基于主流软件的大数据技术栈
- 2.2.3 基于淘宝海量数据的大数据技术栈
- 2.3 大数据分析的产业架构
- 2.3.1 国外大数据分析的产业架构
- 2.3.2 国内大数据分析的产业架构
- 延伸阅读：携程大数据应用框架的重构
- 理解大数据分析的体系
- 第三章 抓大放小：大数据分析的关键技术
- 3.1 大数据分析的关键技术概述
- 3.1.1 基于大数据分析流程的关键技术
- 3.1.2 基于大数据生态的关键技术
- 3.1.3 大数据分析技术的发展趋势
- 3.2 大数据分析的基础架构Hadoop
- 3.2.1 Hadoop概述
- 3.2.2 Hadoop的版本与选择
- 3.2.3 Hadoop生态的四层架构
- 3.2.4 Hadoop生态中的典型组件
- 3.2.5 Spark
- 3.3 大数据分析的云技术
- 3.3.1 云计算
- 3.3.2 云平台
- 3.4 大数据分析的存储技术
- 3.4.1 分布式文件系统
- 3.4.2 分布式数据库HBase
- 3.4.3 NoSQL数据库
- 延伸阅读：“人脸识别+大数据”的创新应用与实践
- 认知大数据分析工具——以“魔镜”为例
- 第四章 始于足下：大数据分析的数据采集与存储
- 4.1 大数据采集概述
- 4.1.1 大数据采集的基本概念
- 4.1.2 大数据采集的数据源
- 4.1.3 大数据采集架构与场景
- 4.1.4 大数据采集的困境及对策
- 4.2 大数据采集工具
- 4.2.1 已有大数据采集工具的比较
- 4.2.2 大数据采集工具的设计
- 4.3 大数据存储
- 4.3.1 传统存储面临的挑战
- 4.3.2 大数据存储概述
- 4.3.3 大数据存储的技术路线
- 4.3.4 大数据存储和管理数据库系统
- 延伸阅读：医疗大数据——数据收集或是最难点
- 大数据分析的数据导入与编辑
- 第五章 谁的问题：大数据分析的数据清洗
- 5.1 大数据质量
- 5.1.1 大数据质量概述
- 5.1.2 大数据质量产生的根源
- 5.1.3 大数据质量问题的分类与实例
- 5.2 大数据清洗概述
- 5.2.1 大数据清洗定义
- 5.2.2 大数据清洗的对象
- 5.2.3 大数据清洗的总体架构
- 5.2.4 大数据清洗与数据质量的关系
- 5.3 大数据清洗的方法与工具
- 5.3.1 大数据清洗方法概述
- 5.3.2 可视化大数据清洗
- 5.3.3 大数据清洗的工具
- 5.4 大数据清洗的过程与具体内容
- 5.4.1 大数据清洗的过程
- 5.4.2 大数据清洗的具体内容
- 延伸阅读：微软与谷歌的拼写检查
- 大数据分析的数据清洗
- 第六章 突破想象：大数据分析的数据挖掘
- 6.1 传统数据挖掘
- 6.1.1 数据挖掘的界定
- 6.1.2 数据挖掘的基本流程
- 6.1.3 数据挖掘面临的主要问题
- 6.2 大数据和数据挖掘
- 6.2.1 递进升级学说
- 6.2.2 一体两面学说
- 6.2.3 互相促进学说
- 6.2.4 其他学说
- 6.3 大数据挖掘的任务
- 6.3.1 分类
- 6.3.2 聚类
- 6.3.3 关联分析
- 6.3.4 估测和预测
- 6.4 大数据挖掘的流程
- 6.5 大数据挖掘的常用算法
- 6.5.1 决策树
- 6.5.2 遗传算法
- 6.5.3 神经网络
- 6.5.4 关联规则
- 6.5.5 粗糙集
- 延伸阅读：大数据预测——真的有那么神奇吗？
- 大数据挖掘实验
- 第七章 讲述故事：大数据分析的数据展现
- 7.1 数据可视化概述
- 7.1.1 数据可视化的含义
- 7.1.2 数据可视化的应用价值和应用领域
- 7.1.3 数据可视化的工具
- 7.1.4 数据可视化步骤
- 7.2 数据可视化的基础要素
- 7.2.1 数据
- 7.2.2 图表
- 7.3 数据可视化的表现形式
- 7.3.1 数据可视化的常见方式
- 7.3.2 不同类型数据的展示
- 7.3.3 不同类型图形的展示
- 7.4 数据可视化的设计
- 7.4.1 设计的基本理念
- 7.4.2 图表设计技巧
- 7.4.3 配色方案设计
- 7.4.4 字体设计
- 7.4.5 应用场景设计
- 7.5 数据可视化的改进
- 7.5.1 总体思路
- 7.5.2 图表改进思路
- 延伸阅读：《卫报》的数据可视化与数据新闻
- 数据图表规范化和美化
- 第八章 躬体力行：大数据分析的实训
- 8.1 财务数据分析
- 8.1.1 实训背景知识
- 8.1.2 实训简介
- 8.1.3 实训过程
- 8.1.4 实训总结
- 8.1.5 实训思考
- 8.2 库龄库存分析
- 8.2.1 实训背景知识
- 8.2.2 实训简介
- 8.2.3 实训过程
- 8.2.4 实训总结
- 8.2.5 实训思考
- 8.3 销售数据分析
- 8.3.1 实训背景知识
- 8.3.2 实训简介
- 8.3.3 实训过程
- 8.3.4 实训总结
- 8.3.5 实训思考
- 8.4 油井数据分析
- 8.4.1 实训背景知识
- 8.4.2 实训简介
- 8.4.3 实训过程
- 8.4.4 实训总结
- 8.4.5 实训思考
- 8.5 网站流量分析
- 8.5.1 实训背景知识
- 8.5.2 实训简介
- 8.5.3 实训过程
- 8.5.4 实训总结
- 8.5.5 实训思考
- 8.6 贷款数据分析
- 8.6.1 实训背景知识
- 8.6.2 实训简介
- 8.6.3 实训过程
- 8.6.4 实训总结
- 8.6.5 实训思考
- 8.7 NBA数据分析
- 8.7.1 实训背景知识
- 8.7.2 实训简介
- 8.7.3 实训过程
- 8.7.4 实训总结
- 8.7.5 实训思考
- 8.8 行业职位需求分析
- 8.8.1 实训背景知识
- 8.8.2 实训简介
- 8.8.3 实训过程
- 8.8.4 实训总结
- 8.8.5 实训思考
- 8.9 水资源数据分析
- 8.9.1 实训背景知识
- 8.9.2 实训简介
- 8.9.3 实训过程
- 8.9.4 实训总结
- 8.9.5 实训思考
- 8.10 国民经济数据分析
- 8.10.1 实训背景知识
- 8.10.2 实训简介
- 8.10.3 实训过程
- 8.10.4 实训总结
- 8.10.5 实训思考
- 参考文献
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
南京大学出版社
南京大学出版社是南京大学主办的综合性大学出版机构，自1984年成立之日起，就秉承“学术立社、品牌兴社”的出版理念， “昌明国粹、融化新知”的出版宗旨，坚持以精品出版为“魂”、学术出版为“本”的经营思路，形成了自身在高品位学术专著、高校精品教材、传统思想文化出版、国外学术名著译介等方面的出版特色，是中国传统思想文化出版高地，中华民国史出版重镇，国外学术前沿重要译介平台。迄今出版的万余种图书中，多种图书获得了包括中国出版政府奖、中华优秀出版物奖等在内的各类图书奖项。
