大数据技术与应用

前言
第1章 大数据概述
1.1 什么是大数据
1.1.1 大数据的定义
1.1.2 用3V描述大数据的特征
1.1.3 广义的大数据
1.2 大数据的结构类型
1.3 大数据的发展
1.3.1 硬件性价比提高与软件技术进步
1.3.2 云计算的普及
1.3.3 大数据作为BI的进化形式
1.3.4 从交易数据分析到交互数据分析
1.4 大数据技术的意义
1.5 延伸阅读：得数据者得天下
1.6 实验与思考：了解大数据及其在线支持
第2章 大数据的行业应用
2.1 奥巴马的竞选大数据
2.2 大都市的智能交通
2.3 互联网企业对大数据的运用
2.4 互联网竞拍公司eBay
2.4.1 超乎寻常的数据产生速度
2.4.2 eBay的数据分析基础架构
2.5 游戏分析公司Zynga
2.5.1 社交游戏经济的重要指标
2.5.2 提高病毒系数的方法
2.5.3 数据驱动游戏
2.5.4 三次点击法则
2.6 延伸阅读：大数据正在改变汽车保险
2.7 实验与思考：熟悉大数据应用
第3章 大数据的基础设施
3.1 云端大数据
3.1.1 什么是云计算
3.1.2 云计算的服务形式
3.1.3 云计算与大数据
3.1.4 云基础设施
3.1.5 云平台
3.2 计算虚拟化
3.3 存储虚拟化（大数据存储）
3.3.1 传统存储系统时代
3.3.2 大数据时代的新挑战
3.3.3 分布式存储
3.3.4 云存储及存储虚拟化
3.3.5 大数据存储的其他需求及特点
3.4 网络虚拟化
3.4.1 网卡虚拟化
3.4.2 虚拟交换机
3.4.3 接入层的虚拟化
3.4.4 覆盖网络虚拟化
3.4.5 软件定义的网络（SDN）
3.4.6 对大数据处理的意义
3.5 云环境基础架构的安全
3.6 延伸阅读：用云数据提高农业产量并做出决策
3.7 实验与思考：了解大数据的基础设施
第4章 大数据技术基础
4.1 技术进步与摩尔定律
4.2 大数据的技术架构
4.3 大数据的运用形式
4.4 大数据运用模式的分类
4.4.1 个别优化?批处理型
4.4.2 个别优化?实时型
4.4.3 整体优化?批处理型
4.4.4 整体优化?实时型
4.5 大数据的运用级别
4.5.1 对过去/现状的把握
4.5.2 发现模式
4.5.3 预测
4.5.4 优化
4.6 大数据运用的真正价值
4.7 相关的大数据技术
4.7.1 神经网络
4.7.2 自然语言处理
4.7.3 语义检索
4.7.4 链接挖掘
4.7.5 A/B测试
4.8 延伸阅读：高科技促使大数据互联网金融步入快车道
4.9 实验与思考：熟悉大数据的技术基础
第5章 Hadoop分布式架构
5.1 什么是分布式系统
5.2 什么是Hadoop
5.2.1 Hadoop的由来
5.2.2 Hadoop的优势
5.2.3 Hadoop的发行版本
5.2.4 发行版本众多的原因
5.3 Hadoop架构元素
5.4 Hadoop集群系统
5.5 Hadoop开源实现
5.6 Hadoop信息安全
5.7 Hadoop考试认证与开源社区
5.8 延伸阅读：有一家大数据公司声称要做地球的操作系统
5.9 实验与思考：什么是Hadoop
第6章 大数据管理
6.1 大数据的数据处理基础
6.2 大数据事务处理（OLTP）
6.2.1 传统OLTP系统
6.2.2 NoSQL
6.2.3 NewSQL
6.3 大数据分析处理（OLAP）
6.3.1 OLAP与数据立方体
6.3.2 分布式大规模批量处理（MapReduce/Hadoop）
6.3.3 Hadoop HDFS分布式文件系统
6.3.4 MapReduce计算模型
6.3.5 MPP数据库
6.3.6 分析型数据库的特征
6.4 流数据管理（实时数据处理）
6.5 自行开发流数据处理技术
6.6 延伸阅读：“大数据时代预言家”提醒学校规避“数据独裁”
6.7 实验与思考：了解大数据管理技术
第7章 大数据分析
7.1 数据分析的演变
7.1.1 数据分析的商业驱动力
7.1.2 数据分析环境的演变
7.1.3 传统分析架构
7.2 大数据分析平台
7.2.1 敏捷计算平台
7.2.2 线性扩展能力
7.2.3 全方位、遍布式、协作性用户体验
7.3 大数据与数据挖掘
7.3.1 什么是数据挖掘
7.3.2 数据挖掘解决的商业问题
7.4 数据挖掘的高级分析方法
7.4.1 分类
7.4.2 聚类分析
7.4.3 关联规则
7.4.4 回归分析
7.4.5 预测
7.4.6 序列分析
7.4.7 偏差分析
7.5 数据挖掘项目的生命周期
7.5.1 商业问题的形成
7.5.2 数据收集
7.5.3 数据清理和转换
7.5.4 模型构建
7.5.5 模型评估
7.5.6 报告和预测
7.5.7 应用集成
7.5.8 模型管理
7.6 大数据可视化
7.6.1 数据可视化的运用
7.6.2 可视化对认知的帮助
7.6.3 七个数据类型
7.6.4 七个基本任务
7.6.5 数据可视化的挑战
……