第1章 绪论 1__eol__1.1　数据 1__eol__1.1.1 数据的构成 2__eol__1.1.2 数据的存储容量单位 4__eol__1.2　大数据的相关概念 4__eol__1.2.1 大数据的概念 4__eol__1.2.2 大数据的基本特征 5__eol__1.3　大数据的意义、价值与作用 6__eol__1.3.1 大数据的意义 7__eol__1.3.2 大数据的价值 8__eol__1.3.3 大数据的作用 9__eol__1.4　大数据时代的新变革 10__eol__1.4.1 大数据带来的思维变革 10__eol__1.4.2 大数据带来的社会变革 12__eol__1.5　大数据处理的主要环节 14__eol__1.6　大数据的安全与共享 16__eol__1.6.1 大数据的开放与共享 16__eol__1.6.2 大数据安全与个人隐私保护 17__eol__1.6.3 我国大数据相关的安全政策法规 18__eol__1.7　大数据的发展现状与发展趋势 20__eol__1.7.1 大数据的发展现状 20__eol__1.7.2 大数据的发展趋势 24__eol__1.7.3 大数据时代面临的技术挑战 26__eol__1.8　本章小结 27__eol__1.9　习题 27__eol__第2章 大数据相关技术 29__eol__2.1　云计算与大数据 29__eol__2.1.1 云计算的基本概念 29__eol__2.1.2 云计算的基本要素与优势 31__eol__2.1.3 云计算的体系架构 33__eol__2.1.4 云计算的核心技术 36__eol__2.1.5 云计算的发展现状与主流平台 38__eol__2.1.6 云计算与大数据的关系 44__eol__2.2　人工智能与大数据 44__eol__2.2.1 人工智能的基本概念 45__eol__2.2.2 人工智能的研究领域 47__eol__2.2.3 人工智能的产业与应用 52__eol__2.2.4 人工智能与大数据的关系 55__eol__2.3　物联网与大数据 56__eol__2.3.1 物联网的基本概念 57__eol__2.3.2 物联网的核心技术 59__eol__2.3.3 物联网的产业与应用 62__eol__2.3.4 物联网、云计算、人工智能与大数据的关系 65__eol__2.4　本章小结 66__eol__2.5　习题 66__eol__第3章 大数据采集与预处理 68__eol__3.1　认识数据 68__eol__3.1.1 数据的属性和类型 68__eol__3.1.2 数据的量纲 69__eol__3.2　大数据的来源和采集途径 70__eol__3.2.1 大数据的来源 70__eol__3.2.2 大数据的采集途径 70__eol__3.3　常用的大数据采集工具 72__eol__3.3.1 爬山虎采集器 72__eol__3.3.2 八爪鱼采集器 74__eol__3.3.3 基于Python的网页抓取框架Scrapy 75__eol__3.3.4 日志采集工具Flume 76__eol__3.3.5 分布式消息服务工具Kafka 78__eol__3.4　数据预处理 79__eol__3.4.1 数据清洗 79__eol__3.4.2 数据集成 83__eol__3.4.3 数据变换 84__eol__3.4.4 数据归约 88__eol__3.5　使用OpenRefine对数据进行预处理 88__eol__3.6　本章小结 93__eol__3.7　习题 93__eol__第4章 大数据处理 95__eol__4.1　大数据处理框架 95__eol__4.1.1 主流大数据处理框架的简介 95__eol__4.1.2 批处理框架Hadoop简介 98__eol__4.1.3 流处理框架Storm简介 101__eol__4.1.4 混合处理框架Spark简介 106__eol__4.2　大数据存储与管理 108__eol__4.2.1 经典数据存储与管理技术 108__eol__4.2.2 分布式大数据存储与管理技术 110__eol__4.2.3 分布式文件系统HDFS 112__eol__4.2.4 分布式数据库系统HBase 116__eol__4.2.5 分布式数据仓库系统Hive 118__eol__4.3　大数据分布式计算 121__eol__4.3.1 分布式批处理框架Hadoop 121__eol__4.3.2 分布式流处理框架Storm 125__eol__4.3.3 分布式混合处理框架Spark 127__eol__4.4　本章小结 131__eol__4.5　习题 131__eol__第5章 大数据分析与挖掘 133__eol__5.1　引言 133__eol__5.2　描述性数据分析 134__eol__5.2.1 数据的集中趋势度量 134__eol__5.2.2 数据的离散趋势度量 135__eol__5.2.3 数据的偏态特性度量 137__eol__5.2.4 使用Excel对数据进行描述统计 138__eol__5.3　回归分析 139__eol__5.3.1 一元线性回归模型 139__eol__5.3.2 其他类型的回归模型 142__eol__5.4　关联分析的简介 144__eol__5.4.1 “啤酒与尿布”的故事 144__eol__5.4.2 常用的关联分析算法 145__eol__5.5　分类算法的简介 148__eol__5.5.1 近邻分类算法 149__eol__5.5.2 决策树算法 150__eol__5.6　聚类算法的简介 151__eol__5.6.1 主要的聚类算法类型 152__eol__5.6.2 k均值聚类算法 153__eol__5.6.3 层次聚类算法 154__eol__5.7　分布式数据挖掘算法 156__eol__5.8　数据挖掘技术的典型应用 157__eol__5.8.1 数据挖掘技术在生物信息学中的应用 157__eol__5.8.2 数据挖掘技术在市场营销领域中的应用 158__eol__5.8.3 数据挖掘技术在教育领域中的应用 159__eol__5.8.4 数据挖掘技术在金融领域中的应用 159__eol__5.9　本章小结 160__eol__5.10　习题 160__eol__第6章 大数据可视化 162__eol__6.1　引言 162__eol__6.1.1 什么是数据可视化 162__eol__6.1.2 数据可视化的若干案例 163__eol__6.1.3 数据可视化的作用 165__eol__6.2　数据可视化的案例 165__eol__6.2.1 数据集的简介 166__eol__6.2.2 发展趋势图 166__eol__6.2.3 人数分布图 167__eol__6.3　图形元素和视觉通道 168__eol__6.4　数据可视化的常用方法 172__eol__6.4.1 趋势型数据可视化方法 172__eol__6.4.2 对比型数据可视化方法 174__eol__6.4.3 比例型数据可视化方法 176__eol__6.4.4 分布型数据可视化方法 178__eol__6.4.5 文本数据可视化方法 180__eol__6.4.6 关系网络数据可视化方法 181__eol__6.4.7 时空数据可视化方法 182__eol__6.4.8 层次结构数据可视化方法 183__eol__6.4.9 高维数据可视化方法 184__eol__6.5　数据可视化的常用工具和软件的简介 185__eol__6.5.1 FineBI数据可视化工具的简介 186__eol__6.5.2 Tableau数据可视化工具的简介 190__eol__6.5.3 Python的Matplotlib的简介 191__eol__6.5.4 ECharts数据可视化编程库的简介 193__eol__6.6　本章小结 194__eol__6.7　习题 195__eol__第7章 大数据安全、开放与共享 196__eol__7.1　大数据安全与隐私保护 196__eol__7.1.1 大数据安全与隐私保护的概念 196__eol__7.1.2 大数据安全与隐私保护的挑战 198__eol__7.1.3 大数据安全与隐私保护的策略 200__eol__7.1.4 大数据信息安全技术的应用 201__eol__7.2　大数据生命周期中的安全与隐私 204__eol__7.2.1 大数据采集与传输中的安全与隐私 204__eol__7.2.2 大数据存储中的安全与隐私 206__eol__7.2.3 大数据分析与挖掘中的安全与隐私 207__eol__7.3　大数据开放与共享 208__eol__7.3.1 大数据开放与共享的概念 208__eol__7.3.2 大数据开放与共享的类别关系 209__eol__7.3.3 大数据开放与共享的挑战 212__eol__7.3.4 数据孤岛问题 215__eol__7.3.5 大数据开放与共享的措施 220__eol__7.4　大数据安全的典型案例 222__eo