当前位置:首页 > 工业技术
大数据思维与应用攻略
大数据思维与应用攻略

大数据思维与应用攻略PDF电子书下载

工业技术

  • 电子书积分:13 积分如何计算积分?
  • 作 者:王崇骏编著
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2016
  • ISBN:9787111542612
  • 页数:396 页
图书介绍:本书的整体行文是基于“说些历史、话些故事、聊些技术、谈些思考”这样的思路展开的。全书共有13章,逻辑上分为四个部分:第一部分尝试对“数觉→数→数据→大数据”历史脉络进行梳理并陈述社会各界迎接和拥抱“大数据”的若干事实;第二部分尝试从技术实现和部署实施的角度厘清大数据技术流程,并从多个视角和层面阐述各个环节面临的挑战和机遇,重点叙述不同知识背景的研究群体针对大数据的态度、行动和思维方式;第三部分尝试从管理策略、价值实现及思维方式三个角度厘清大数据落地应用涉及的技术和非技术问题,并从多个视角和层面梳理各个环节的要点和细则;第四部分在对互联网的技术发展脉络及国际经济形势进行梳理的基础上,分析了在“互联网+”概念被热炒及全民总动员的当代大数据的潜在发展机遇和应用场景。
《大数据思维与应用攻略》目录

第一篇 现象及感性思辨 3

第1章 大数据溯源 3

1.1 引言 3

1.2 数觉及数的起源 7

1.3 模拟与数字计算 10

1.4 从数据到大数据 15

1.5 大数据时代 19

1.6 本章小结 23

本章参考文献 23

第2章 大数据现象 25

2.1 引言 25

2.2 政界大数据 28

2.3 业界大数据 33

2.4 学界大数据 39

2.5 本章小结 44

本章参考文献 45

第3章 大数据产业 46

3.1 引言 46

3.2 大数据产业环境 49

3.2.1 政策环境 49

3.2.2 应用环境 51

3.2.3 技术环境 52

3.3 大数据产业地图 53

3.3.1 大数据产业地图由来 53

3.3.2 大数据产业地图明细 54

3.3.3 大数据产业地图意义 61

3.4 大数据应用提示 62

3.4.1 大数据中文解析及提示 62

3.4.2 大数据应用场景及策略 64

3.4.3 大数据陷阱及应用提示 65

3.5 本章小结 67

本章参考文献 68

第二篇 技术及选型思路 71

第4章 大数据支撑技术 71

4.1 引言 71

4.2 大数据流程 73

4.2.1 显式挑战 74

4.2.2 隐式困难 76

4.2.3 评估思路 78

4.3 基础支撑技术 78

4.3.1 数据采集 79

4.3.2 数据存储 81

4.3.3 数据建模 82

4.3.4 计算架构 85

4.4 高级支撑技术 90

4.4.1 云计算背景 90

4.4.2 云计算定义 91

4.4.3 云计算本质 93

4.4.4 应用提示 96

4.5 本章小结 97

本章参考文献 98

第5章 数据采集与整合 99

5.1 引言 99

5.2 大数据的数据源 101

5.2.1 数据分布 101

5.2.2 内部数据 103

5.2.3 互联网数据 105

5.2.4 应用提示 105

5.3 内部数据及内部数据采集 106

5.3.1 目标任务 106

5.3.2 关键技术 107

5.3.3 ETL工具 110

5.3.4 应用提示 111

5.4 互联网数据及互联网数据采集 113

5.4.1 目标任务 113

5.4.2 关键技术 114

5.4.3 开源网络爬虫 118

5.4.4 应用提示 120

5.5 本章小结 121

本章参考文献 123

第6章 数据存储与管理 124

6.1 引言 124

6.2 数据组织 127

6.2.1 集中与分布 128

6.2.2 SQL与NoSQL 130

6.3 数据存储 138

6.4 云存储 141

6.5 本章小结 144

本章参考文献 145

第7章 数据表示与理解 146

7.1 引言 146

7.2 度量方法 149

7.2.1 相似系数函数 150

7.2.2 距离函数 152

7.3 数据规范 154

7.4 特征工程 155

7.4.1 特征表示 156

7.4.2 特征提取 156

7.4.3 特征选择 175

7.5 应用提示 178

7.6 本章小结 181

本章参考文献 181

第8章 数据理解与建模 183

8.1 引言 183

8.2 机器学习 185

8.3 非监督学习 187

8.3.1 K-Means 188

8.3.2 EM 189

8.4 监督学习 192

8.4.1 回归 192

8.4.2 分类 196

8.5 本章小结 226

本章参考文献 227

第9章 知识发现与应用 229

9.1 引言 229

9.2 从机器学习到数据挖掘 233

9.2.1 统计与统计学 234

9.2.2 智能与人工智能 235

9.2.3 人工智能与机器学习 237

9.2.4 数据挖掘及技术路径 239

9.2.5 应用提示 245

9.3 从数据挖掘到数据科学 246

9.3.1 从“惊奇”引发的科学之母 246

9.3.2 从“科学”引发的研究范式 249

9.3.3 从“数据”引发的数据科学 251

9.4 从算法到大数据方法论 252

9.4.1 演绎与归纳 252

9.4.2 因果与相关 255

9.4.3 定律与模型 257

9.5 本章小结 260

本章参考文献 260

第三篇 实施及理性思考 265

第10章 大数据实施 265

10.1 引言 265

10.2 工程管理 267

10.2.1 思维层的应用模式梳理 267

10.2.2 开发层的工程实施路径 270

10.2.3 运维层的平台应用保障 273

10.3 技术管理 274

10.3.1 生产流程管理 274

10.3.2 技术流程管理 277

10.3.3 知识流程管理 279

10.4 商务管理 282

10.4.1 商业模式价值逻辑 282

10.4.2 大数据与商业模式 283

10.4.3 典型商业模式示例 287

10.5 本章小结 290

本章参考文献 291

第11章 大数据价值 292

11.1 引言 292

11.2 从数据到价值 294

11.2.1 数据的价值 295

11.2.2 信息的价值 297

11.2.3 知识的价值 299

11.2.4 应用提示 300

11.3 从闭环到开环 302

11.3.1 垂直应用价值 302

11.3.2 平台集成价值 303

11.3.3 生态协同价值 305

11.3.4 应用提示 305

11.4 大数据评估 306

11.4.1 数据价值评估 306

11.4.2 数据质量评估 310

11.4.3 平台价值评估 312

11.4.4 应用提示 315

11.5 本章小结 321

本章参考文献 322

第12章 大数据思维 323

12.1 引言 323

12.2 数据层 325

12.2.1 数据全采样 325

12.2.2 数据交叉复用 327

12.2.3 数据云化存储 328

12.3 分析层 330

12.3.1 相关重于因果 330

12.3.2 效率重于精度 332

12.3.3 离线分析+实时运行 334

12.4 应用层 336

12.4.1 数据质量溯源 336

12.4.2 服务和应用 340

12.4.3 开放和合作 342

12.5 本章小结 345

本章参考文献 347

第四篇 机遇及应用思索 351

第13章 大数据机遇 351

13.1 引言 351

13.2 互联网+ 356

13.3 电子商务 359

13.3.1 电子商务概述 359

13.3.2 移动电子商务 362

13.3.3 跨境电子商务 363

13.3.4 应用提示 365

13.4 工业互联网 368

13.4.1 基本概念 368

13.4.2 笑脸曲线 368

13.4.3 工业4.0 371

13.4.4 应用提示 376

13.5 互联网金融 380

13.5.1 基本概念 380

13.5.2 面向投融资的互联网金融 381

13.5.3 面向支付的互联网金融 384

13.5.4 其他类型的互联网金融 387

13.5.5 应用提示 390

13.6 本章小结 392

本章参考文献 394

跋 395

相关图书
作者其它书籍
返回顶部