互联网大数据分析作业指导书.docVIP

互联网大数据分析作业指导书

TOC\o1-2\h\u5682第1章大数据分析基础理论 3

168531.1数据分析概述 3

257121.2大数据概念及其特征 4

218931.3大数据分析方法与流程 4

23367第2章数据采集与预处理 5

214882.1数据采集技术 5

198002.1.1网络爬虫技术 5

295392.1.2API接口调用 5

218022.1.3数据挖掘与挖掘技术 5

215212.2数据预处理方法 5

191642.2.1数据清洗 5

111112.2.2数据集成 6

73432.2.3数据变换 6

110182.3数据清洗与整合 6

18581第3章数据存储与管理 6

21983.1数据存储技术 6

264593.1.1存储介质 6

298583.1.2存储架构 6

323163.1.3数据冗余与备份 7

6583.2分布式存储系统 7

127533.2.1分布式文件系统 7

205383.2.2分布式对象存储 7

35183.2.3分布式块存储 7

295403.3数据仓库与数据湖 7

283023.3.1数据仓库 7

93933.3.2数据湖 7

183233.3.3数据仓库与数据湖的融合 8

6776第4章数据分析方法与模型 8

32864.1描述性分析 8

234304.1.1中心趋势度量 8

23804.1.2离散程度度量 8

207134.1.3分布形态分析 8

276304.2摸索性分析 8

223324.2.1数据可视化 8

272444.2.2关联分析 9

212484.3因果关系分析 9

37244.3.1回归分析 9

104994.3.2主成分分析 9

111294.4预测分析 9

171434.4.1时间序列分析 9

88444.4.2机器学习算法 9

18836第5章数据挖掘算法与应用 10

69955.1分类算法及应用 10

186905.1.1分类算法概述 10

125165.1.2分类算法应用 10

228775.2聚类算法及应用 10

263085.2.1聚类算法概述 10

298405.2.2聚类算法应用 10

25225.3关联规则挖掘 10

112305.3.1关联规则概述 10

16235.3.2关联规则应用 11

171015.4推荐系统 11

167575.4.1推荐系统概述 11

87875.4.2推荐系统应用 11

15982第6章机器学习与深度学习 11

282686.1机器学习基础 11

205296.2线性回归与逻辑回归 11

65476.3决策树与随机森林 12

259996.4神经网络与深度学习 12

27813第7章数据可视化与展示 12

112547.1数据可视化基础 12

284727.1.1数据可视化的目的 12

258557.1.2数据可视化的类型 12

152257.2常用数据可视化工具 13

279797.2.1Tableau 13

250887.2.2PowerBI 13

101307.2.3ECharts 13

259177.2.4Python数据可视化库 13

217047.3可视化设计原则与技巧 13

208517.3.1设计原则 13

273297.3.2设计技巧 13

23894第8章大数据分析行业应用 14

176098.1金融行业应用 14

83908.1.1风险控制 14

97258.1.2客户服务 14

67228.1.3投资决策 14

8748.2电商行业应用 14

166408.2.1供应链优化 14

318118.2.2精准营销 14

43128.2.3用户画像 14

227038.3医疗行业应用 15

98198.3.1疾病预测与预防 15

276338.3.2精准医疗 15

299048.3.3医疗资源优化 15

238108.4智能制造行业应用 15

115018.4.1生产优化 15

125048.4