大數(shù)據(jù)技術原理與實踐（第二版）

定　價：￥69.80

作　者：	李少波，楊靜
出版社：	華中科技大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787568087179	出版時間：	2023-05-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　本書將圍繞大數(shù)據(jù)技術的基本原理與實踐，介紹了大數(shù)據(jù)獲取、存儲、分析、數(shù)據(jù)挖掘和機器學習。內容涵蓋以下主題：Hadoop、Mapreduce、關聯(lián)規(guī)則、大規(guī)模監(jiān)督機器學習、數(shù)據(jù)流、集群、NoSQL系統(tǒng)（Pig、Hive），以及包括推薦系統(tǒng)、Web和安全性的應用程序。第1章重點闡述了大數(shù)據(jù)驅動的商業(yè)模式、技術生態(tài)體系，大數(shù)據(jù)的類型、特點、獲取技術。第2章概要介紹了大數(shù)據(jù)的軟硬件架構，包括大數(shù)據(jù)技術基礎與軟硬件設施、大數(shù)據(jù)存儲與管理技術、大數(shù)據(jù)的分布式處理技術平臺等，包括MapReduce編程框架原理、Spark結構與原理、基于Storm的大規(guī)模數(shù)據(jù)流的分布式處理技術等。第3章介紹了Python編程基礎，包括基本數(shù)據(jù)類型、基本控制流程、Numpy、Scipy、Pandas等。第4章介紹了大數(shù)據(jù)分析技術，包括基于MapReduce基礎編程、文本大數(shù)據(jù)分析與處理技術、大數(shù)據(jù)關聯(lián)分析、相似項的發(fā)現(xiàn)、基于大數(shù)據(jù)的推薦系統(tǒng)、基于大數(shù)據(jù)的圖與網絡分析、大數(shù)據(jù)聚類分析、時空大數(shù)據(jù)分析、非結構化大數(shù)據(jù)分析與處理、基于Storm的流數(shù)據(jù)分析技術等。第5章介紹了基于SparkMLlib/Mahout的大數(shù)據(jù)機器學習，包括機器學習基礎、典型機器學習問題、機器學習評價方法、并行機器學習算法，并進行了利用MLlib解決大數(shù)據(jù)并行分類問題、利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實踐。第6章介紹了基于大數(shù)據(jù)的深度學習技術，包括深度學習基本原理、深度學習典型應用、Keras 基礎入門及應用案例。第7章介紹了材料大數(shù)據(jù)材料熱導率預測、旅游大數(shù)據(jù)分析、交通大數(shù)據(jù)分析、工業(yè)大數(shù)據(jù)分析、產品創(chuàng)新大數(shù)據(jù)分析等帶代碼、數(shù)據(jù)的案例。本書內容深入淺出，具有很強的理論與實踐指導作用，可作為數(shù)據(jù)科學與技術、人工智能、計算機科學、制造科學、機械工程等學科相關專業(yè)的本科生、研究生的教材或課程教學參考書，也是對工程技術人員、科研人員而言非常實用的工具書。

作者簡介

　　貴州大學機械工程學院院長，博士生導師，教授，2005年入選“西部之光”優(yōu)秀人才，2008年入選貴州省優(yōu)秀青年科技人才，2009年入選教育部新世紀優(yōu)秀人才、貴州省省管專家、享受政府特殊津貼專家，2014年評聘為三級教授，入選貴州省首批高層次創(chuàng)新型人才（百層次）。是貴州大學學術學科帶頭人，機械制造及其自動化、機械電子工程專業(yè)博士生導師，中國科學院大學兼職博士生導師。是“十二五”貴州省制造業(yè)信息化專家組組長，中國圖學學會理事，貴州省裝備行業(yè)協(xié)會常務理事，貴陽軍民結合（裝備制造）產業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟副秘書長，貴州省智能電網產業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟副理事長，貴州省計算機學會常務副理事長，《計算機集成制造系統(tǒng)—CIMS》理事會理事，《中國制造業(yè)信息化》、《機械設計與制造工程》理事會常務理事，貴州省服務決策專家智庫專家，貴州省青年科技工作者協(xié)會常務理事、信息科學與機電工程專業(yè)委員會主任委員，貴陽市網絡信息安全協(xié)會副會長，《計算機集成系統(tǒng)-CIMS》、《四川大學學報（工程科學版）》、《計算機應用》等期刊的審稿人等。已發(fā)表論文130余篇，SCI/EI/ISTP收錄60余篇次，出版專著2部，譯著1部，軟件著作權登記8項、專利7件（其中發(fā)明3件）。被鑒定為國際先進、國內領先的成果8項。主持國家自然科學基金、國家863計劃重點項目、國家科技支撐計劃等科研項目30余項。獲省部級科技進步二等獎2次、三等獎2次，貴陽市科技進步特等獎1次、二等獎2次、三等獎1次。

圖書目錄

第1章大數(shù)據(jù)技術概覽（1）
1.1數(shù)據(jù)發(fā)展歷史（1）
1.2什么是大數(shù)據(jù)（5）
1.3大數(shù)據(jù)的生命周期（8）
第2章Python編程基礎（28）
2.1基本數(shù)據(jù)類型（28）
2.2基本控制流程（38）
2.3Python的面向對象機制（43）
2.4Numpy、Scipy和Pandas（47）
2.5Matplotlib軟件包（56）
本章小結（60）
習題（60）
第3章大數(shù)據(jù)的軟硬件架構（61）
3.1大數(shù)據(jù)技術基礎與軟硬件設施概述（61）
3.2大數(shù)據(jù)存儲與管理技術（65）
3.3大數(shù)據(jù)的分布式處理平臺（72）
本章小結（88）
習題（90）
第4章基于Spark MLlib/Mahout的大數(shù)據(jù)機器學習（91）
4.1機器學習基礎（91）
4.2典型機器學習問題（92）
4.3機器學習評價方法（99）
4.4并行機器學習算法（102）
4.5利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實踐（104）
本章小結（107）
習題（108）
第5章大數(shù)據(jù)分析技術（109）
5.1MapReduce編程基礎（109）
5.2基于Storm的流數(shù)據(jù)分析（119）
5.3文本大數(shù)據(jù)分析與處理（128）
5.4大數(shù)據(jù)關聯(lián)分析（131）
5.5相似項的發(fā)現(xiàn)（134）
5.6基于大數(shù)據(jù)的推薦技術（138）
5.7基于大數(shù)據(jù)的圖與網絡分析（142）
5.8大數(shù)據(jù)聚類分析（150）
5.9時空大數(shù)據(jù)分析（158）
5.10非結構化大數(shù)據(jù)分析與處理（164）
5.11利用MLlib解決大數(shù)據(jù)并行分類問題實踐（169）
本章小結（173）
習題（173）
第6章大數(shù)據(jù)流式處理（175）
6.1流式處理概述（175）
6.2流式處理模型（183）
6.3流式處理引擎Apache Spark（190）
6.4新一代流式處理引擎 Apach Flink（200）
6.5基于Flink的人體生命體征數(shù)據(jù)分析與告警（218）
6.6本章小結（229）
6.7習題（230）
第7章基于大數(shù)據(jù)的深度學習技術與應用（231）
7.1深度學習基本原理（231）
7.2深度學習典型應用（233）
7.3Keras基礎入門（239）
7.4應用案例（241）
本章小結（248）
習題（248）
第8章大數(shù)據(jù)安全與隱私保護關鍵技術（250）
8.1大數(shù)據(jù)安全（250）
8.1.2大數(shù)據(jù)時代的隱私安全挑戰(zhàn)（251）
8.2大數(shù)據(jù)安全隱私保護（252）
8.3大數(shù)據(jù)安全與隱私保護的關鍵技術（254）
8.3.1匿名化處理技術（255）
8.3.2加密存儲技術（257）
8.3.4訪問控制技術（260）
8.4大數(shù)據(jù)安全與隱私保護展望（262）
8.4.1網絡態(tài)勢感知：助力大數(shù)據(jù)發(fā)展（262）
8.4.2人工智能：為大數(shù)據(jù)發(fā)展護航（263）
8.5本章小結（263）
習題（264）
第9章帶代碼、數(shù)據(jù)的案例研究（265）
9.1材料大數(shù)據(jù)與材料熱導率預測（265）
9.2旅游大數(shù)據(jù)分析（275）
9.3交通大數(shù)據(jù)分析（284）
9.4工業(yè)大數(shù)據(jù)分析（289）
9.4.5模型部署及可視化（313）
9.5產品創(chuàng)新大數(shù)據(jù)分析（322）
9.6基于醫(yī)藥網站數(shù)據(jù)的醫(yī)療知識圖譜（328）
9.7車間生產安全監(jiān)測（337）
9.8人工智能安全案例（350）
9.9司法大數(shù)據(jù)分析案例（355）
本章小結（382）
習題（382）
參考文獻（383）