123,123

內(nèi)容簡(jiǎn)介

　　本書將圍繞大數(shù)據(jù)技術(shù)的基本原理與實(shí)踐，介紹了大數(shù)據(jù)獲取、存儲(chǔ)、分析、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)。內(nèi)容涵蓋以下主題：Hadoop、Mapreduce、關(guān)聯(lián)規(guī)則、大規(guī)模監(jiān)督機(jī)器學(xué)習(xí)、數(shù)據(jù)流、集群、NoSQL系統(tǒng)（Pig、Hive），以及包括推薦系統(tǒng)、Web和安全性的應(yīng)用程序。第1章重點(diǎn)闡述了大數(shù)據(jù)驅(qū)動(dòng)的商業(yè)模式、技術(shù)生態(tài)體系，大數(shù)據(jù)的類型、特點(diǎn)、獲取技術(shù)。第2章概要介紹了大數(shù)據(jù)的軟硬件架構(gòu)，包括大數(shù)據(jù)技術(shù)基礎(chǔ)與軟硬件設(shè)施、大數(shù)據(jù)存儲(chǔ)與管理技術(shù)、大數(shù)據(jù)的分布式處理技術(shù)平臺(tái)等，包括MapReduce編程框架原理、Spark結(jié)構(gòu)與原理、基于Storm的大規(guī)模數(shù)據(jù)流的分布式處理技術(shù)等。第3章介紹了Python編程基礎(chǔ)，包括基本數(shù)據(jù)類型、基本控制流程、Numpy、Scipy、Pandas等。第4章介紹了大數(shù)據(jù)分析技術(shù)，包括基于MapReduce基礎(chǔ)編程、文本大數(shù)據(jù)分析與處理技術(shù)、大數(shù)據(jù)關(guān)聯(lián)分析、相似項(xiàng)的發(fā)現(xiàn)、基于大數(shù)據(jù)的推薦系統(tǒng)、基于大數(shù)據(jù)的圖與網(wǎng)絡(luò)分析、大數(shù)據(jù)聚類分析、時(shí)空大數(shù)據(jù)分析、非結(jié)構(gòu)化大數(shù)據(jù)分析與處理、基于Storm的流數(shù)據(jù)分析技術(shù)等。第5章介紹了基于SparkMLlib/Mahout的大數(shù)據(jù)機(jī)器學(xué)習(xí)，包括機(jī)器學(xué)習(xí)基礎(chǔ)、典型機(jī)器學(xué)習(xí)問題、機(jī)器學(xué)習(xí)評(píng)價(jià)方法、并行機(jī)器學(xué)習(xí)算法，并進(jìn)行了利用MLlib解決大數(shù)據(jù)并行分類問題、利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實(shí)踐。第6章介紹了基于大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)，包括深度學(xué)習(xí)基本原理、深度學(xué)習(xí)典型應(yīng)用、Keras 基礎(chǔ)入門及應(yīng)用案例。第7章介紹了材料大數(shù)據(jù)材料熱導(dǎo)率預(yù)測(cè)、旅游大數(shù)據(jù)分析、交通大數(shù)據(jù)分析、工業(yè)大數(shù)據(jù)分析、產(chǎn)品創(chuàng)新大數(shù)據(jù)分析等帶代碼、數(shù)據(jù)的案例。本書內(nèi)容深入淺出，具有很強(qiáng)的理論與實(shí)踐指導(dǎo)作用，可作為數(shù)據(jù)科學(xué)與技術(shù)、人工智能、計(jì)算機(jī)科學(xué)、制造科學(xué)、機(jī)械工程等學(xué)科相關(guān)專業(yè)的本科生、研究生的教材或課程教學(xué)參考書，也是對(duì)工程技術(shù)人員、科研人員而言非常實(shí)用的工具書。

作者簡(jiǎn)介

　　貴州大學(xué)機(jī)械工程學(xué)院院長(zhǎng)，博士生導(dǎo)師，教授，2005年入選“西部之光”優(yōu)秀人才，2008年入選貴州省優(yōu)秀青年科技人才，2009年入選教育部新世紀(jì)優(yōu)秀人才、貴州省省管專家、享受政府特殊津貼專家，2014年評(píng)聘為三級(jí)教授，入選貴州省首批高層次創(chuàng)新型人才（百層次）。是貴州大學(xué)學(xué)術(shù)學(xué)科帶頭人，機(jī)械制造及其自動(dòng)化、機(jī)械電子工程專業(yè)博士生導(dǎo)師，中國(guó)科學(xué)院大學(xué)兼職博士生導(dǎo)師。是“十二五”貴州省制造業(yè)信息化專家組組長(zhǎng)，中國(guó)圖學(xué)學(xué)會(huì)理事，貴州省裝備行業(yè)協(xié)會(huì)常務(wù)理事，貴陽(yáng)軍民結(jié)合（裝備制造）產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟副秘書長(zhǎng)，貴州省智能電網(wǎng)產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟副理事長(zhǎng)，貴州省計(jì)算機(jī)學(xué)會(huì)常務(wù)副理事長(zhǎng)，《計(jì)算機(jī)集成制造系統(tǒng)—CIMS》理事會(huì)理事，《中國(guó)制造業(yè)信息化》、《機(jī)械設(shè)計(jì)與制造工程》理事會(huì)常務(wù)理事，貴州省服務(wù)決策專家智庫(kù)專家，貴州省青年科技工作者協(xié)會(huì)常務(wù)理事、信息科學(xué)與機(jī)電工程專業(yè)委員會(huì)主任委員，貴陽(yáng)市網(wǎng)絡(luò)信息安全協(xié)會(huì)副會(huì)長(zhǎng)，《計(jì)算機(jī)集成系統(tǒng)-CIMS》、《四川大學(xué)學(xué)報(bào)（工程科學(xué)版）》、《計(jì)算機(jī)應(yīng)用》等期刊的審稿人等。已發(fā)表論文130余篇，SCI/EI/ISTP收錄60余篇次，出版專著2部，譯著1部，軟件著作權(quán)登記8項(xiàng)、專利7件（其中發(fā)明3件）。被鑒定為國(guó)際先進(jìn)、國(guó)內(nèi)領(lǐng)先的成果8項(xiàng)。主持國(guó)家自然科學(xué)基金、國(guó)家863計(jì)劃重點(diǎn)項(xiàng)目、國(guó)家科技支撐計(jì)劃等科研項(xiàng)目30余項(xiàng)。獲省部級(jí)科技進(jìn)步二等獎(jiǎng)2次、三等獎(jiǎng)2次，貴陽(yáng)市科技進(jìn)步特等獎(jiǎng)1次、二等獎(jiǎng)2次、三等獎(jiǎng)1次。

圖書目錄

第1章大數(shù)據(jù)技術(shù)概覽（1）
1.1數(shù)據(jù)發(fā)展歷史（1）
1.2什么是大數(shù)據(jù)（5）
1.3大數(shù)據(jù)的生命周期（8）
第2章Python編程基礎(chǔ)（28）
2.1基本數(shù)據(jù)類型（28）
2.2基本控制流程（38）
2.3Python的面向?qū)ο髾C(jī)制（43）
2.4Numpy、Scipy和Pandas（47）
2.5Matplotlib軟件包（56）
本章小結(jié)（60）
習(xí)題（60）
第3章大數(shù)據(jù)的軟硬件架構(gòu)（61）
3.1大數(shù)據(jù)技術(shù)基礎(chǔ)與軟硬件設(shè)施概述（61）
3.2大數(shù)據(jù)存儲(chǔ)與管理技術(shù)（65）
3.3大數(shù)據(jù)的分布式處理平臺(tái)（72）
本章小結(jié)（88）
習(xí)題（90）
第4章基于Spark MLlib/Mahout的大數(shù)據(jù)機(jī)器學(xué)習(xí)（91）
4.1機(jī)器學(xué)習(xí)基礎(chǔ)（91）
4.2典型機(jī)器學(xué)習(xí)問題（92）
4.3機(jī)器學(xué)習(xí)評(píng)價(jià)方法（99）
4.4并行機(jī)器學(xué)習(xí)算法（102）
4.5利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實(shí)踐（104）
本章小結(jié)（107）
習(xí)題（108）
第5章大數(shù)據(jù)分析技術(shù)（109）
5.1MapReduce編程基礎(chǔ)（109）
5.2基于Storm的流數(shù)據(jù)分析（119）
5.3文本大數(shù)據(jù)分析與處理（128）
5.4大數(shù)據(jù)關(guān)聯(lián)分析（131）
5.5相似項(xiàng)的發(fā)現(xiàn)（134）
5.6基于大數(shù)據(jù)的推薦技術(shù)（138）
5.7基于大數(shù)據(jù)的圖與網(wǎng)絡(luò)分析（142）
5.8大數(shù)據(jù)聚類分析（150）
5.9時(shí)空大數(shù)據(jù)分析（158）
5.10非結(jié)構(gòu)化大數(shù)據(jù)分析與處理（164）
5.11利用MLlib解決大數(shù)據(jù)并行分類問題實(shí)踐（169）
本章小結(jié)（173）
習(xí)題（173）
第6章大數(shù)據(jù)流式處理（175）
6.1流式處理概述（175）
6.2流式處理模型（183）
6.3流式處理引擎Apache Spark（190）
6.4新一代流式處理引擎 Apach Flink（200）
6.5基于Flink的人體生命體征數(shù)據(jù)分析與告警（218）
6.6本章小結(jié)（229）
6.7習(xí)題（230）
第7章基于大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)與應(yīng)用（231）
7.1深度學(xué)習(xí)基本原理（231）
7.2深度學(xué)習(xí)典型應(yīng)用（233）
7.3Keras基礎(chǔ)入門（239）
7.4應(yīng) 用案例（241）
本章小結(jié)（248）
習(xí)題（248）
第8章大數(shù)據(jù)安全與隱私保護(hù)關(guān)鍵技術(shù)（250）
8.1大數(shù)據(jù)安全（250）
8.1.2大數(shù)據(jù)時(shí)代的隱私安全挑戰(zhàn)（251）
8.2大數(shù)據(jù)安全隱私保護(hù)（252）
8.3大數(shù)據(jù)安全與隱私保護(hù)的關(guān)鍵技術(shù)（254）
8.3.1匿名化處理技術(shù)（255）
8.3.2加密存儲(chǔ)技術(shù)（257）
8.3.4訪問控制技術(shù)（260）
8.4大數(shù)據(jù)安全與隱私保護(hù)展望（262）
8.4.1網(wǎng)絡(luò)態(tài)勢(shì)感知：助力大數(shù)據(jù)發(fā)展（262）
8.4.2人工智能：為大數(shù)據(jù)發(fā)展護(hù)航（263）
8.5本章小結(jié)（263）
習(xí)題（264）
第9章帶代碼、數(shù)據(jù)的案例研究（265）
9.1材料大數(shù)據(jù)與材料熱導(dǎo)率預(yù)測(cè)（265）
9.2旅游大數(shù)據(jù)分析（275）
9.3交通大數(shù)據(jù)分析（284）
9.4工業(yè)大數(shù)據(jù)分析（289）
9.4.5模型部署及可視化（313）
9.5產(chǎn)品創(chuàng)新大數(shù)據(jù)分析（322）
9.6基于醫(yī)藥網(wǎng)站數(shù)據(jù)的醫(yī)療知識(shí)圖譜（328）
9.7車間生產(chǎn)安全監(jiān)測(cè)（337）
9.8人工智能安全案例（350）
9.9司法大數(shù)據(jù)分析案例（355）
本章小結(jié)（382）
習(xí)題（382）
參考文獻(xiàn)（383）