大数据管理与应用
作者: 王刚 主编35.12万字26人 正在读
已完结现代当代当代文学
目录 (311章)
倒序
正文
001 绪论002 第一节 大数据时代003 第二节 数据和大数据(1)004 第二节 数据和大数据(2)005 第二节 数据和大数据(3)006 第三节 大数据的管理与应用概述007 第四节 大数据管理与应用的理论、技术和应用体系008 第五节 应用案例009 ◎ 思考与练习010 ◎ 本章扩展阅读011 大数据管理与应用的数学基础012 第一节 线性代数基础013 第二节 优化基础(1)014 第二节 优化基础(2)015 第二节 优化基础(3)016 第三节 统计基础(1)017 第三节 统计基础(2)018 第三节 统计基础(3)019 第三节 统计基础(4)020 第三节 统计基础(5)021 第三节 统计基础(6)022 第四节 应用案例023 ◎ 思考与练习024 ◎ 本章扩展阅读025 大数据管理与应用的机器学习基础026 第一节 机器学习概述027 第二节 机器学习的分类028 第三节 模型评估与选择029 第四节 计算学习理论030 第五节 应用案例031 ◎ 思考与练习032 ◎ 本章扩展阅读033 数据采集与数据存储034 第一节 数据采集(1)035 第一节 数据采集(2)036 第一节 数据采集(3)037 第二节 关系型数据存储038 第三节 非关系型数据存储(1)039 第三节 非关系型数据存储(2)040 第三节 非关系型数据存储(3)041 第三节 非关系型数据存储(4)042 第四节 数据仓库043 第五节 应用案例044 ◎ 思考与练习044 ◎ 思考与练习045 ◎ 本章扩展阅读045 ◎ 本章扩展阅读046 数据预处理046 数据预处理047 第一节 数据质量047 第一节 数据质量048 第二节 数据清洗048 第二节 数据清洗049 第三节 数据变换049 第三节 数据变换050 第四节 数据集成050 第四节 数据集成051 第五节 其他预处理方法(1)051 第五节 其他预处理方法(1)052 第五节 其他预处理方法(2)052 第五节 其他预处理方法(2)053 第六节 应用案例053 第六节 应用案例054 ◎ 思考与练习054 ◎ 思考与练习055 ◎ 本章扩展阅读055 ◎ 本章扩展阅读056 数据回归分析056 数据回归分析057 第一节 数据回归分析概述057 第一节 数据回归分析概述058 第二节 线性回归分析058 第二节 线性回归分析059 第三节 岭回归分析和LASSO回归分析059 第三节 岭回归分析和LASSO回归分析060 第四节 广义线性回归分析060 第四节 广义线性回归分析061 第五节 非线性回归分析061 第五节 非线性回归分析062 第六节 应用案例062 第六节 应用案例063 ◎ 思考与练习063 ◎ 思考与练习064 ◎ 本章扩展阅读064 ◎ 本章扩展阅读065 数据分类分析065 数据分类分析066 第一节 数据分类分析概述066 第一节 数据分类分析概述067 第二节 基于函数的分类分析067 第二节 基于函数的分类分析068 第三节 基于概率的分类分析068 第三节 基于概率的分类分析069 第四节 基于最近邻的分类分析069 第四节 基于最近邻的分类分析070 第五节 基于决策树的分类分析070 第五节 基于决策树的分类分析071 第六节 基于规则的分类分析071 第六节 基于规则的分类分析072 第七节 集成分类分析072 第七节 集成分类分析073 第八节 应用案例073 第八节 应用案例074 ◎ 思考与练习074 ◎ 思考与练习075 ◎ 本章扩展阅读075 ◎ 本章扩展阅读076 数据聚类分析076 数据聚类分析077 第一节 数据聚类分析概述077 第一节 数据聚类分析概述078 第二节 基于层次的聚类分析078 第二节 基于层次的聚类分析079 第三节 基于划分的聚类分析079 第三节 基于划分的聚类分析080 第四节 基于密度的聚类分析080 第四节 基于密度的聚类分析081 第五节 基于网格的聚类分析081 第五节 基于网格的聚类分析082 第六节 基于模型的聚类分析082 第六节 基于模型的聚类分析083 第七节 集成聚类分析(1)083 第七节 集成聚类分析(1)084 第七节 集成聚类分析(2)084 第七节 集成聚类分析(2)085 第八节 应用案例085 第八节 应用案例086 ◎ 思考与练习086 ◎ 思考与练习087 ◎ 本章扩展阅读087 ◎ 本章扩展阅读088 数据关联分析088 数据关联分析089 第一节 数据关联分析概述089 第一节 数据关联分析概述090 第二节 关联规则分析(1)090 第二节 关联规则分析(1)091 第二节 关联规则分析(2)091 第二节 关联规则分析(2)092 第二节 关联规则分析(3)092 第二节 关联规则分析(3)093 第三节 序列模式分析(1)093 第三节 序列模式分析(1)094 第三节 序列模式分析(2)094 第三节 序列模式分析(2)095 第四节 应用案例095 第四节 应用案例096 ◎ 思考与练习096 ◎ 思考与练习097 ◎ 本章扩展阅读097 ◎ 本章扩展阅读098 深度学习098 深度学习099 第一节 深度学习概述099 第一节 深度学习概述100 第二节 神经网络100 第二节 神经网络101 第三节 深度前馈网络(1)101 第三节 深度前馈网络(1)102 第三节 深度前馈网络(2)102 第三节 深度前馈网络(2)103 第三节 深度前馈网络(3)103 第三节 深度前馈网络(3)104 第四节 卷积神经网络104 第四节 卷积神经网络105 第五节 循环神经网络105 第五节 循环神经网络106 第六节 应用案例106 第六节 应用案例107 ◎ 思考与练习107 ◎ 思考与练习108 ◎ 本章扩展阅读108 ◎ 本章扩展阅读109 文本分析109 文本分析110 第一节 文本分析概述110 第一节 文本分析概述111 第二节 文本预处理111 第二节 文本预处理112 第三节 特征提取和文本表示方法(1)112 第三节 特征提取和文本表示方法(1)113 第三节 特征提取和文本表示方法(2)113 第三节 特征提取和文本表示方法(2)114 第四节 文本分类分析114 第四节 文本分类分析115 第五节 文本聚类分析(1)115 第五节 文本聚类分析(1)116 第五节 文本聚类分析(2)116 第五节 文本聚类分析(2)117 第五节 文本聚类分析(3)117 第五节 文本聚类分析(3)118 第六节 应用案例118 第六节 应用案例119 ◎ 思考与练习119 ◎ 思考与练习120 ◎ 本章扩展阅读120 ◎ 本章扩展阅读121 Web分析121 Web分析122 第一节 Web分析概述122 第一节 Web分析概述123 第二节 Web内容分析(1)123 第二节 Web内容分析(1)124 第二节 Web内容分析(2)124 第二节 Web内容分析(2)125 第三节 Web结构分析(1)125 第三节 Web结构分析(1)126 第三节 Web结构分析(2)126 第三节 Web结构分析(2)127 第三节 Web结构分析(3)127 第三节 Web结构分析(3)128 第三节 Web结构分析(4)128 第三节 Web结构分析(4)129 第四节 Web使用分析129 第四节 Web使用分析130 第五节 应用案例130 第五节 应用案例131 ◎ 思考与练习131 ◎ 思考与练习132 ◎ 本章扩展阅读132 ◎ 本章扩展阅读133 可视化技术133 可视化技术134 第一节 可视化概述134 第一节 可视化概述135 第二节 可视化主要类型135 第二节 可视化主要类型136 第三节 可视化主要方法136 第三节 可视化主要方法137 第四节 可视化评测137 第四节 可视化评测138 第五节 应用案例138 第五节 应用案例139 ◎ 思考与练习139 ◎ 思考与练习140 ◎ 本章扩展阅读140 ◎ 本章扩展阅读141 数据治理141 数据治理142 第一节 数据治理概述(1)142 第一节 数据治理概述(1)143 第一节 数据治理概述(2)143 第一节 数据治理概述(2)144 第二节 元数据治理(1)144 第二节 元数据治理(1)145 第二节 元数据治理(2)145 第二节 元数据治理(2)146 第三节 数据质量治理146 第三节 数据质量治理147 第四节 数据安全治理147 第四节 数据安全治理148 第五节 数据治理评估148 第五节 数据治理评估149 第六节 应用案例149 第六节 应用案例150 ◎ 思考与练习150 ◎ 思考与练习151 ◎ 本章扩展阅读151 ◎ 本章扩展阅读152 大数据计算平台152 大数据计算平台153 第一节 大数据计算平台概述(1)153 第一节 大数据计算平台概述(1)154 第一节 大数据计算平台概述(2)154 第一节 大数据计算平台概述(2)155 第二节 基于Hadoop的大数据计算平台(1)155 第二节 基于Hadoop的大数据计算平台(1)156 第二节 基于Hadoop的大数据计算平台(2)156 第二节 基于Hadoop的大数据计算平台(2)157 第二节 基于Hadoop的大数据计算平台(3)157 第二节 基于Hadoop的大数据计算平台(3)158 第二节 基于Hadoop的大数据计算平台(4)158 第二节 基于Hadoop的大数据计算平台(4)159 第二节 基于Hadoop的大数据计算平台(5)159 第二节 基于Hadoop的大数据计算平台(5)160 第三节 基于Spark的大数据计算平台(1)160 第三节 基于Spark的大数据计算平台(1)161 第三节 基于Spark的大数据计算平台(2)161 第三节 基于Spark的大数据计算平台(2)162 第三节 基于Spark的大数据计算平台(3)162 第三节 基于Spark的大数据计算平台(3)163 第三节 基于Spark的大数据计算平台(4)163 第三节 基于Spark的大数据计算平台(4)164 第三节 基于Spark的大数据计算平台(5)164 第三节 基于Spark的大数据计算平台(5)165 第四节 应用案例165 第四节 应用案例166 ◎ 思考与练习166 ◎ 思考与练习167 ◎ 本章扩展阅读167 ◎ 本章扩展阅读168 大数据管理与应用进展168 大数据管理与应用进展169 第一节 大数据产业发展动态169 第一节 大数据产业发展动态170 第二节 大数据管理与应用相关职业170 第二节 大数据管理与应用相关职业171 第三节 大数据管理与应用挑战171 第三节 大数据管理与应用挑战172 第四节 大数据管理与应用发展趋势(1)172 第四节 大数据管理与应用发展趋势(1)173 第四节 大数据管理与应用发展趋势(2)173 第四节 大数据管理与应用发展趋势(2)174 ◎ 思考与练习174 ◎ 思考与练习175 ◎ 本章扩展阅读175 ◎ 本章扩展阅读176 参考文献(1)176 参考文献(1)177 参考文献(2)177 参考文献(2)
精选推荐
领导力法则
[中国纺织出版社]
陆禹萌
已完结当代文学
销售心理学
[中国纺织出版社]
兰华
已完结当代文学
销售就是玩转情商
[中国纺织出版社]
王威
已完结当代文学
销售员情商实战训练
成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。
刘军
已完结当代文学
让未来的你，感谢现在勇敢的自己
[中国纺织出版社]
王介威
已完结当代文学
行为心理学：华生的实用心理学课
[中国纺织出版社]
（美）约翰·华生著.倪彩
已完结当代文学
行为心理学入门（完全图解版）
行为心理学入门（完全图解版）是以作者多来年的心理辅导和咨询数据为素材，对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同，浅显易读，有趣又益。
武莉
已完结当代文学
自卑与超越
《自卑与（全译插图典藏版）》是个体心理学研究领域的著作，也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心，并强调“社会意识”。全书立足个人心理学的观点，从教育、家庭、婚姻、伦理、社交等多个领域，以大量的实例为论述基础，阐明了人生意义的真谛，帮助人们克服自卑、不断超自己，正确对待职业，正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展，成为人们了解心理学的经典读物。
（奥）阿尔弗雷德·阿德勒
已完结当代文学
自制力：道理我都懂，为什么就是过不好人生
[中国纺织出版社]
邱开杰
已完结当代文学