大数据技术导论

杨志文

目录

  • 1 大数据概述
    • 1.1 数据
    • 1.2 大数据时代
    • 1.3 大数据的发展历程
    • 1.4 世界各国的大数据发展战略
    • 1.5 大数据的概念
    • 1.6 大数据的影响
    • 1.7 大数据的应用
    • 1.8 大数据产业
    • 1.9 高校大数专业
  • 2 大数据与新兴技术
    • 2.1 云计算
    • 2.2 物联网
    • 2.3 大数据与云计算、物联网的关系
    • 2.4 大数据与人工智能
    • 2.5 大数据与区块链
  • 3 大数据基础知识
    • 3.1 大数据安全
    • 3.2 大数据思维
    • 3.3 大数据伦理
    • 3.4 数据共享
    • 3.5 数据开放
    • 3.6 大数据交易
  • 4 大数据应用
    • 4.1 大数据在互联网领域的应用
    • 4.2 大数据在生物医学领域的应用
    • 4.3 大数据在物流领域的应用
    • 4.4 大数据在城市管理领域的应用
    • 4.5 大数据在金融领域的应用
    • 4.6 大数据在汽车领域的应用
  • 5 数据采集与预处理
    • 5.1 数据采集
    • 5.2 数据清洗
    • 5.3 数据转换
    • 5.4 数据脱敏
  • 6 数据存储与管理
    • 6.1 传统的数据存储与管理技术
    • 6.2 大数据时代的数据存储与管理技术
    • 6.3 大数据处理架构Hadoop
    • 6.4 分布式文件系统HDFS
    • 6.5 NoSQL数据库
    • 6.6 云数据库
    • 6.7 分布式数据库Hbase
  • 7 数据处理与分析
    • 7.1 数据处理与分析的概念
    • 7.2 机器学习和数据挖掘算法
    • 7.3 大数据处理与分析技术
    • 7.4 大数据处理与分析代表性产品
  • 8 数据可视化
    • 8.1 可视化概述
    • 8.2 可视化图标
    • 8.3 可视化工具
    • 8.4 可视化典型案例
  • 9 大数据分析综合案例
    • 9.1 案例任务
    • 9.2 系统设计
    • 9.3 技术选择
    • 9.4 系统实现
    • 9.5 案例所需知识和技能
大数据处理与分析技术