大数据导论

大数据导论是了解和学习大数据的基础，本书系统地讲解了大数据基本概念、大数据的架构、大数据的采集方式和预处理、数据仓库的构建模式、大数据的存储，数据挖掘的方法及大数据的可视化技术，从而更好地将大数据技术应用在各行业领域，更深入地开展大数据技术的应用研究。从基础开始，由浅入深进行学习，逐步理清大数据的核心技术和发展趋势。本书系统地讲解了大数据基本概念，尽可能希望通过理论与实际案例相结合，寻找合适的切入点，让读者对理论知识的掌握更直接、更快速。可以作为培养应用型人才的课程教材，也适用于大数据初学者对大数据基础理论有需求的广大读者。

付雯，副教授，毕业于武汉大学靠前软件学院，现就职与重庆电子工程职业学院软件学院，从事软件技术教育十余年。2017年荣获全国“大数据教育行业实践教学年度人物”。

第1章 大数据的概念及其应用
1.1 大数据的概念
1.2 大数据的来源
1.3 大数据的特征及意义
1.4 大数据的表现形态
1.5 大数据的应用场景
1.5.1大数据在企业中的应用
1.5.2大数据在物联网中的应用
1.5.3大数据在在线社交网络的应用
1.5.4 大数据在健康和医疗中的应用
1.5.5 大数据在群智感知中的应用
1.6 习题
第2章 大数据的架构
2.1云计算
2.1.1 云计算（Cloud Comptuing）的概念
2.1.2 云计算的特点
2.1.3 云计算的服务方式
2.1.4 云计算的应用
2.2 大数据架构介绍
2.2.1 大数据的分类
2.2.2 数据类型
2.2.3 大数据解决方案
2.3 Hadoop体系架构
2.3.1 Hadoop概述
2.3.2 Hadoophe核心组件
2.4 上机与项目实训
2.5习题
第3章 大数据采集及预处理
3.1 大数据采集
3.1.1 概念
3.1.2 采集工具
3.1.3 采集方法
3.2 数据预处理
3.2.1 数据清洗
3.2.2 数据集成
3.2.3 数据转换
3.2.４ 数据规约
3.3 常用ETL工具
3.3.1 概念
3.3.2 常用ETL工具比较
3.4 习题
4.1 面临的挑战
4.1.1 系统问题
4.1.2 管理问题
4.1.3 应用问题
4.2 大数据存储方式
4.2.1 分布式系统
4.2.2 NoSQL数据库
4.2.3 云存储
4.3 数据仓库
4.3.1 数据仓库的组成
4.3.2 数据仓库的构建步骤
4.3.3 数据集市
4.4 习题
第5章 大数据分析
5.1 数据分析概念和分类
5.1.1 数据分析的概念和作用
5.1.2 数据分析的类型
5.2 数据分析方法
5.2.1 数据分析方法概述
5.2.2 数据来源
5.2.3 数据分析活动步骤
5.2.4 分析数据
5.3 数据挖掘
5.3.1 基本概念
5.3.2 数据挖掘常用算法
5.3.3 分类
5.3.4 聚类
5.3.5 关联规则
5.3.6 大数据挖掘工具
5.3.7 数据挖掘算法应用
5.4 上机与项目实训
5.5 练习与提高
第6章 大数据可视化
6.1 数据可视化基础
6.1.1 数据可视化的基本特征
6.1.2 数据可视化的作用
6.1.3 数据可视化流程
6.2 大数据可视化方法
6.2.1文本可视化
6.2.2网络（图）可视化
6.2.3多维数据可视化
6.3 大数据可视化软件与工具
6.3.1 Excel
6.3.2 Processing
6.3.3 ECharts
6.4习题 1
第7章 大数据的商业应用
7.1国外大数据应用经典案例
7.1.1 资源数量的重要性
7.1.2 数据之间的相关性
7.1.3 任何数据都存在商机
7.1.4 大数据新价值的挖掘
7.1.5 大数据在医疗行业的应用
7.2国内大数据应用经典案例
7.2.1 智慧城市
7.2.2 保险行业
7.2.3 智慧医疗
7.2.4 交通大数据
7.2.5 环境大数据
7.2.5.1 环境大数据概述
7.2.5.2 环境数据的采集与获取
7.2.5.3 环境数据的存储与处理
7.2.5.4 环境数据的应用
7.2.6农业
7.2.7 零售行业
7.2.8 大数据舆情分析
7.2.9 物流行业
7.2.10 房地产业
7.2.11地震面前，大数据来拯救
7.2.12 暑假出境游大数据分析
7.2.13 互联网大数据
7.3 习题
附录A Hadoop平台搭建
附录B 大数据和人工智能实验环境
参考文献