大数据应用技术指南.docVIP

大数据应用技术指南

TOC\o1-2\h\u8128第一章大数据概述 3

225001.1大数据概念与特征 3

177631.2大数据发展历程 3

60331.3大数据应用领域 4

31670第二章数据采集与存储技术 4

325532.1数据采集方法 4

259452.1.1网络爬虫 4

83492.1.2数据接口 5

99872.1.3物联网设备 5

97722.1.4数据抓取工具 5

2122.2数据存储技术 5

314622.2.1关系型数据库 5

305302.2.2非关系型数据库 5

267312.2.3分布式文件系统 5

123892.2.4数据仓库 6

234292.3分布式存储系统 6

42702.3.1HadoopHDFS 6

200972.3.2ApacheHBase 6

149292.3.3Cassandra 6

39642.3.4Alluxio 6

27869第三章数据预处理与清洗 6

25623.1数据预处理方法 6

283903.1.1数据整合 6

139983.1.2数据归一化 6

147633.1.3数据转换 7

104073.1.4特征提取 7

79513.1.5缺失值处理 7

123353.2数据清洗技术 7

93323.2.1异常值检测与处理 7

6833.2.2重复记录识别与消除 7

248713.2.3数据标准化 7

71023.2.4数据脱敏 7

259903.3数据质量评估 7

267403.3.1完整性评估 8

61553.3.2准确性评估 8

52643.3.3一致性评估 8

81493.3.4可用性评估 8

213663.3.5可靠性评估 8

28787第四章数据挖掘与分析 8

23844.1数据挖掘基本方法 8

268654.2数据挖掘算法 9

77654.3数据分析方法 9

18562第五章机器学习与深度学习 9

218595.1机器学习概述 9

33825.1.1发展历程 10

21215.1.2基本概念 10

137235.2机器学习算法 10

326245.2.1线性回归 10

256665.2.2逻辑回归 10

19915.2.3决策树 10

72875.2.4支持向量机 10

166725.3深度学习应用 11

188615.3.1图像识别 11

123825.3.2自然语言处理 11

39565.3.3语音识别 11

153945.3.4推荐系统 11

35725.3.5自动驾驶 11

12255第六章大数据可视化技术 11

264166.1可视化基本概念 11

1156.1.1数据可视化 11

296216.1.2可视化元素 11

99206.1.3可视化方法 12

187756.2可视化工具与软件 12

183966.2.1Tableau 12

33626.2.2PowerBI 12

245146.2.3Python可视化库 12

45376.2.4ECharts 12

27486.3可视化设计原则 12

35046.3.1简洁明了 12

109626.3.2结构清晰 12

208966.3.3颜色搭配 12

209996.3.4信息层次 12

256156.3.5交互性 13

243656.3.6可持续性 13

22880第七章大数据安全与隐私保护 13

272797.1数据安全策略 13

123837.2隐私保护技术 13

186327.3数据安全与隐私法规 14

47第八章大数据平台与架构 14

239388.1大数据平台概述 14

272978.2常见大数据架构 15

12638.3大数据平台选型 16

7735第九章大数据项目管理与实践 16

210449.1项目管理概述 16

198199.2项目管理工具与方法 17

46529.3项目实施与运维 17

27882第十章大数据未来发展趋势 18

1564710.1技术发展趋势 18

22