大数据导论第2版

作者: 杨尊琦

21.85万字78人正在读

已完结现代当代当代文学

目录 (215章)

倒序

正文

第一章目录-第1章大数据基础第二章大数据基础-1.1 大数据时代第三章 .1.1 大数据时代的技术基础第四章 .1.2 大数据时代的变革第五章 .1.3 信息技术（IT）向数据技术（DT）的转变第六章 .1.4 大数据的价值第七章大数据基础-1.2 什么是大数据第八章 .2.1 数据基本知识第九章 .2.2 大数据的来源及定义第一十章 .2.3 大数据的特征、维度及技术第一十一章大数据基础-1.3 大数据结构类型第一十二章大数据基础-1.4 大数据应用第一十三章 .4.1 个人生活运用第一十四章 .4.2 企业应用第一十五章 .4.3 政府部门应用第一十六章大数据基础-1.5 数据科学和大数据技术第一十七章 .5.1 数据科学第一十八章 .5.2 大数据技术与工具第一十九章大数据基础-1.6 习题与实践第二十章大数据基础-参考文献第二十一章目录-第2章大数据下的云计算第二十二章大数据下的云计算-2.1 云计算概述第二十三章 .1.1 云计算的定义第二十四章 .1.2 云计算的特征第二十五章 .1.3 云计算的体系架构第二十六章 .1.4 云计算的类型划分第二十七章 .1.5 云计算的服务模式第二十八章大数据下的云计算-2.2 云计算技术第二十九章 .2.1 虚拟化技术第三十章 .2.2 并行计算技术第三十一章 .2.3 海量数据管理技术第三十二章 .2.4 海量数据存储技术第三十三章大数据下的云计算-2.3 云计算与云存储第三十四章 .3.1 云存储的概述第三十五章 .3.2 云存储的存储方式第三十六章 .3.3 云存储与云计算的关系第三十七章大数据下的云计算-2.4 云计算与超算第三十八章 .4.1 超算的概述与应用第三十九章 .4.2 超算与云计算的关系第四十章大数据下的云计算-2.5 云计算与大数据第四十一章 .5.1 云计算与大数据的关系第四十二章 .5.2 云计算与大数据的结合(1)第四十三章 .5.2 云计算与大数据的结合(2)第四十四章 .5.2 云计算与大数据的结合(3)第四十五章大数据下的云计算-2.6 习题与实践第四十六章大数据下的云计算-参考文献第四十七章目录-第3章大数据处理第四十八章大数据处理-3.1 数据采集第四十九章 .1.1 数据采集方法第五十章 .1.2 数据质量评估第五十一章 .1.3 数据质量影响因素第五十二章大数据处理-3.2 数据清洗第五十三章 .2.1 处理残缺数据第五十四章 .2.2 处理噪声数据第五十五章 .2.3 处理冗余数据第五十六章大数据处理-3.3 数据变换第五十七章 .3.1 属性类型变换第五十八章 .3.2 属性值变换第五十九章大数据处理-3.4 数据集成第六十章 .4.1 模式匹配与数据值冲突第六十一章 .4.2 数据冗余第六十二章大数据处理-3.5 数据归约第六十三章 .5.1 维归约第六十四章 .5.2 数值归约第六十五章大数据处理-3.6 案例：Tableau Prep数据处理技术应用第六十六章大数据处理-3.7 习题与实践第六十七章大数据处理-参考文献第六十八章目录-第4章数据分析与数据挖掘第六十九章数据分析与数据挖掘-4.1 数据分析概述第七十章数据分析与数据挖掘-4.2 常见数据分析方法第七十一章 .2.1 层次分析法第七十二章 .2.2 多元线性回归分析法第七十三章数据分析与数据挖掘-4.3 数据挖掘基本概念第七十四章 .3.1 数据挖掘的定义第七十五章 .3.2 数据挖掘的分类第七十六章 .3.3 数据挖掘的过程第七十七章数据分析与数据挖掘-4.4 数据挖掘经典算法第七十八章 .4.1 K-Means算法第七十九章 .4.2 KNN算法第八十章 .4.3 随机森林第八十一章 .4.4 循环神经网络第八十二章数据分析与数据挖掘-4.5 习题与实践第八十三章数据分析与数据挖掘-参考文献第八十四章目录-第5章大数据安全第八十五章大数据安全-5.1 安全与隐私问题凸显第八十六章 .1.1 网络安全漏洞第八十七章 .1.2 个人隐私泄露第八十八章大数据安全-5.2 大数据时代的安全挑战第八十九章 .2.1 信息安全的发展历程第九十章 .2.2 信息安全带来的挑战第九十一章大数据安全-5.3 如何解决大数据安全问题第九十二章 .3.1 大数据安全防护对策第九十三章 .3.2 大数据安全防护关键技术第九十四章 .3.3 数据治理与数据安全第九十五章大数据安全-5.4 如何解决隐私保护问题第九十六章 .4.1 隐私保护的政策法规第九十七章 .4.2 隐私保护技术第九十八章 .4.3 区块链技术与隐私保护第九十九章 .4.4 联邦学习与隐私保护第一百章大数据安全-5.5 习题与实践第一百零一章大数据安全-参考文献第一百零二章目录-第6章数据可视化第一百零三章数据可视化-6.1 数据可视化类型第一百零四章 .1.1 科学可视化第一百零五章 .1.2 信息可视化第一百零六章 .1.3 可视分析学第一百零七章数据可视化-6.2 数据可视化基础第一百零八章 .2.1 数据可视化流程第一百零九章 .2.2 数据处理和变换第一百一十章 .2.3 视觉编码第一百一十一章 .2.4 统计图表第一百一十二章 .2.5 视觉隐喻第一百一十三章数据可视化-6.3 可视化评估第一百一十四章 .3.1 评估分类第一百一十五章 .3.2 评估方法第一百一十六章数据可视化-6.4 可视化主要工具第一百一十七章 .4.1 主要工具列举第一百一十八章 .4.2 Tableau操作简介第一百一十九章数据可视化-6.5 习题与实践第一百二十章数据可视化-参考文献第一百二十一章目录-第7章大数据与社交媒体的融合第一百二十二章大数据与社交媒体的融合-7.1 社交媒体概述第一百二十三章 .1.1 社交媒体的定义第一百二十四章 .1.2 社交媒体的发展第一百二十五章大数据与社交媒体的融合-7.2 社交媒体大数据的分析与挖掘第一百二十六章 .2.1 基于用户的大数据分析第一百二十七章 .2.2 基于关系的大数据分析第一百二十八章 .2.3 基于内容的大数据分析第一百二十九章大数据与社交媒体的融合-7.3 社交媒体大数据的未来挑战第一百三十章大数据与社交媒体的融合-7.4 社交媒体下大数据信息安全问题第一百三十一章 .4.1 社交媒体导致的信息风险类型和形成原因第一百三十二章 .4.2 社交媒体的信息风险治理方案第一百三十三章大数据与社交媒体的融合-7.5 习题与实践第一百三十四章大数据与社交媒体的融合-参考文献第一百三十五章目录-第8章健康大数据在公共卫生领域的应用第一百三十六章健康大数据在公共卫生领域的应用-8.1 健康大数据概述第一百三十七章 .1.1 健康大数据的定义第一百三十八章 .1.2 健康大数据的特点第一百三十九章 .1.3 健康大数据的分类第一百四十章健康大数据在公共卫生领域的应用-8.2 健康大数据研究现状第一百四十一章健康大数据在公共卫生领域的应用-8.3 健康大数据在公共卫生领域的应用第一百四十二章 .3.1 疾病预测与预防第一百四十三章 .3.2 医疗救治与医药研发第一百四十四章 .3.3 健康监测管理与个性化医疗服务第一百四十五章 .3.4 电子病历的发展第一百四十六章 .3.5 疫情防控下大数据行程卡的使用第一百四十七章 .3.6 远程会诊和智能医疗第一百四十八章健康大数据在公共卫生领域的应用-8.4 健康大数据在公共卫生领域的挑战第一百四十九章 .4.1 健康大数据安全隐私问题第一百五十章 .4.2 标准化困境第一百五十一章 .4.3 信息孤岛问题第一百五十二章 .4.4 缺少复合型人才和专业化队伍第一百五十三章健康大数据在公共卫生领域的应用-8.5 习题与实践第一百五十四章健康大数据在公共卫生领域的应用-参考文献第一百五十五章目录-第9章大数据在碳减排中的应用第一百五十六章大数据在碳减排中的应用-9.1 碳排放的问题与现状第一百五十七章 .1.1 双碳概念第一百五十八章 .1.2 个人数据分析问题第一百五十九章 .1.3 企业数据应用问题第一百六十章 .1.4 环境数据的发展方向第一百六十一章大数据在碳减排中的应用-9.2 大数据与双碳第一百六十二章 .2.1 碳达峰+大数据第一百六十三章 .2.2 碳中和+大数据第一百六十四章 .2.3 智能监管+大数据第一百六十五章大数据在碳减排中的应用-9.3 案例与数据挖掘第一百六十六章大数据在碳减排中的应用-9.4 挑战与机遇第一百六十七章 .4.1 物联网的模式第一百六十八章 .4.2 数据科学的技术第一百六十九章 .4.3 新能源科学与工程+大数据第一百七十章大数据在碳减排中的应用-9.5 习题与实践第一百七十一章大数据在碳减排中的应用-参考文献第一百七十二章目录-第10章大数据对金融业的挑战与机遇第一百七十三章大数据对金融业的挑战与机遇-10.1 金融大数据概述第一百七十四章 .1.1 什么是金融大数据第一百七十五章 .1.2 金融大数据对金融业的影响第一百七十六章 .1.3 金融大数据应用实施战略第一百七十七章大数据对金融业的挑战与机遇-10.2 金融大数据的应用(1)第一百七十八章大数据对金融业的挑战与机遇-10.2 金融大数据的应用(2)第一百七十九章大数据对金融业的挑战与机遇-10.3 大数据与金融创新第一百八十章 .3.1 金融创新的4个维度第一百八十一章 .3.2 金融创新中的模型和算法第一百八十二章大数据对金融业的挑战与机遇-10.4 金融大数据案例第一百八十三章大数据对金融业的挑战与机遇-10.5 习题与实践第一百八十四章大数据对金融业的挑战与机遇-参考文献第一百八十五章目录-第11章大数据在制造业中的应用第一百八十六章大数据在制造业中的应用-11.1 大数据下的工业革命第一百八十七章 .1.1 国外大数据下的“工业4.0”第一百八十八章 .1.2 我国大数据下的“工业4.0”第一百八十九章大数据在制造业中的应用-11.2 工业大数据第一百九十章大数据在制造业中的应用-11.3 大数据与智能工厂第一百九十一章 .3.1 大数据与智能工厂概述第一百九十二章 .3.2 智能工厂在我国的应用第一百九十三章 .3.3 智能制造大数据分析第一百九十四章大数据在制造业中的应用-11.4 大数据与智能制造典范第一百九十五章大数据在制造业中的应用-11.5 习题与实践第一百九十六章大数据在制造业中的应用-参考文献第一百九十七章目录-第12章大数据在旅游业中的应用第一百九十八章大数据在旅游业中的应用-12.1 旅游数据的问题与发展第一百九十九章 .1.1 旅游数据收集问题第二百章 .1.2 旅游数据分析问题第二百零一章 .1.3 旅游数据应用问题第二百零二章 .1.4 旅游数据的发展方向第二百零三章大数据在旅游业中的应用-12.2 大数据与旅游业第二百零四章 .2.1 智慧旅游+大数据第二百零五章 .2.2 定制旅游+大数据第二百零六章 .2.3 精准营销+大数据第二百零七章 .2.4 全域旅游+大数据第二百零八章大数据在旅游业中的应用-12.3 旅游与数据挖掘第二百零九章 .3.1 锁定客户人群，关注客户需求第二百一十章 .3.2 社交媒体挖掘，增加客户忠诚第二百一十一章大数据在旅游业中的应用-12.4 旅游平台第二百一十二章 .4.1 旅游平台的模式第二百一十三章 .4.2 旅游平台的技术第二百一十四章大数据在旅游业中的应用-12.5　习题与实践第二百一十五章大数据在旅游业中的应用-参考文献

精选推荐

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