大数据技术原理与实践(第2版)

本书内容深入浅出，具有很强的理论与实践指导作用，可作为数据科学与技术、人工智能、计算机科学、制造科学、机械工程等学科相关专业的本科生、研究生的教材或课程教学参考书，也是对工程技术人员、科研人员而言非常实用的工具书。

本书围绕大数据技术的基本原理与实践,介绍了大数据获取、存储、分析、数据挖掘和机器学习。内容涵盖以下主题：Hadoop、Mapreduce、关联规则、大规模监督机器学习、数据流、集群、NoSQL系统（Pig、Hive），以及包括推荐系统、Web和安全性的应用程序。第1章重点阐述了大数据驱动的商业模式、技术生态体系，大数据的类型、特点、获取技术。第2章概要介绍了大数据的软硬件架构，包括大数据技术基础与软硬件设施、大数据存储与管理技术、大数据的分布式处理技术平台等，包括MapReduce编程框架原理、Spark结构与原理、基于Storm的大规模数据流的分布式处理技术等。第3章介绍了Python编程基础，包括基本数据类型、基本控制流程、Numpy、Scipy、Pandas等。第4章介绍了大数据分析技术，包括基于MapReduce基础编程、文本大数据分析与处理技术、大数据关联分析、相似项的发现、基于大数据的推荐系统、基于大数据的图与网络分析、大数据聚类分析、时空大数据分析、非结构化大数据分析与处理、基于Storm的流数据分析技术等。第5章介绍了基于SparkMLlib/Mahout的大数据机器学习，包括机器学习基础、典型机器学习问题、机器学习评价方法、并行机器学习算法，并进行了利用MLlib解决大数据并行分类问题、利用Mahout解决大数据推荐优化问题实践。第6章介绍了基于大数据的深度学习技术，包括深度学习基本原理、深度学习典型应用、Keras 基础入门及应用案例。第7章介绍了材料大数据材料热导率预测、旅游大数据分析、交通大数据分析、工业大数据分析、产品创新大数据分析等带代码、数据的案例。本书内容深入浅出，具有很强的理论与实践指导作用，可作为数据科学与技术、人工智能、计算机科学、制造科学、机械工程等学科相关专业的本科生、研究生的教材或课程教学参考书，也是对工程技术人员、科研人员而言非常实用的工具书。

贵州大学机械工程学院院长，博士生导师，教授，2005年入选“西部之光”优秀人才，2008年入选贵州省优秀青年科技人才，2009年入选教育部新世纪优秀人才、贵州省省管专家、享受政府特殊津贴专家，2014年评聘为三级教授，入选贵州省首批高层次创新型人才（百层次）。是贵州大学学术学科带头人，机械制造及其自动化、机械电子工程专业博士生导师，中国科学院大学兼职博士生导师。是“十二五”贵州省制造业信息化专家组组长，中国图学学会理事，贵州省装备行业协会常务理事，贵阳军民结合（装备制造）产业技术创新战略联盟副秘书长，贵州省智能电网产业技术创新战略联盟副理事长，贵州省计算机学会常务副理事长，《计算机集成制造系统—CIMS》理事会理事，《中国制造业信息化》、《机械设计与制造工程》理事会常务理事，贵州省服务决策专家智库专家，贵州省青年科技工作者协会常务理事、信息科学与机电工程专业委员会主任委员，贵阳市网络信息安全协会副会长，《计算机集成系统-CIMS》、《四川大学学报(工程科学版)》、《计算机应用》等期刊的审稿人等。已发表论文130余篇，SCI/EI/ISTP收录60余篇次，出版专著2部，译著1部，软件著作权登记8项、专利7件（其中发明3件）。被鉴定为国际优选、国内领先的成果8项。主持国家自然科学基金、国家863计划重点项目、国家科技支撑计划等科研项目30余项。获省部级科技进步二等奖2次、三等奖2次，贵阳市科技进步特等奖1次、二等奖2次、三等奖1次。

第1章大数据技术概览
1.1数据发展历史
1.2什么是大数据
1.3大数据的生命周期
第2章Python编程基础
2.1基本数据类型
2.2基本控制流程
2.3Python的面向对象机制
2.4Numpy、Scipy和Pandas
2.5Matplotlib软件包
本章小结
习题
第3章大数据的软硬件架构
3.1大数据技术基础与软硬件设施概述
3.2大数据存储与管理技术
3.3大数据的分布式处理平台
本章小结
习题
第4章基于SparkMLlib/Mahout的大数据机器学习
4.1机器学习基础
4.2典型机器学习问题
4.3机器学习评价方法
4.4并行机器学习算法
4.5利用Mahout解决大数据推荐优化问题实践
本章小结
习题
第5章大数据分析技术
5.1MapReduce编程基础
5.2基于Storm的流数据分析
5.3文本大数据分析与处理
5.4大数据关联分析
5.5相似项的发现
5.6基于大数据的推荐技术
5.7基于大数据的图与网络分析
5.8大数据聚类分析
5.9时空大数据分析
5.10非结构化大数据分析与处理
5.11利用MLlib解决大数据并行分类问题实践
本章小结
习题
第6章大数据流式处理
6.1流式处理概述
6.2流式处理模型
6.3流式处理引擎Apache Spark
6.4新一代流式处理引擎Apach Flink
6.5基于Flink的人体生命体征数据分析与告警
6.6本章小结
6.7习题
第7章基于大数据的深度学习技术与应用
7.1深度学习基本原理
7.2深度学习典型应用
7.3Keras基础入门
7.4应用案例
本章小结
习题
第8章大数据安全与隐私保护关键技术
8.1大数据安全
8.1.2大数据时代的隐私安全挑战
8.2大数据安全隐私保护
8.3大数据安全与隐私保护的关键技术
8.3.1匿名化处理技术
8.3.2加密存储技术
8.3.4访问控制技术
8.4大数据安全与隐私保护展望
8.4.1网络态势感知：助力大数据发展
8.4.2人工智能：为大数据发展护航
8.5本章小结
习题
第9章带代码、数据的案例研究
9.1材料大数据与材料热导率预测
9.2旅游大数据分析
9.3交通大数据分析
9.4工业大数据分析
9.4.5模型部署及可视化
9.5产品创新大数据分析
9.6基于医药网站数据的医疗知识图谱
9.7车间生产安全监测
9.8人工智能安全案例
9.9司法大数据分析案例
本章小结
习题
参考文献