- 高等教育出版社
- 9787040674798
- 1
- 16开
- 329
内容简介
本书是高等学校智能财经系列教材之一。
本书围绕大数据分析全链路，全面覆盖大数据采集、预处理、存储、计算、分析挖掘及可视化六大核心环节，构建了完整的大数据分析知识体系。本书主要内容有：大数据分析概述、大数据采集与预处理、大数据存储、大数据计算、大数据分析的算法、大数据可视化、基于朴素贝叶斯算法的“天问一号”事件用户评论情感大数据分析以及基于Hive的超市零售大数据分析。本书添加了技术实现细节，配套相关实验案例与实操代码（含文本预处理及情感分析、HBase环境搭建、MapReduce与Spark实操等），并通过二维码链接了原始数据、代码结果呈现等，有利于学生反复练习。
本书兼顾理论传授与实操培养，作为大数据分析普及性教材，满足不同基础学生入门与提升需求，可作为高等学校不同专业“大数据分析”课程教材。
目录
目录
前辅文
第一章 大数据分析概述
学习目标
第一节 大数据的概念诠释
第二节 大数据的数据类型
第三节 大数据分析的流程及技术
第四节 大数据分析面临的挑战
第五节 Python大数据分析的开发环境
复习思考题
第二章 大数据采集与预处理
学习目标
第一节 大数据的采集途径
第二节 大数据的采集技术
第三节 数据预处理
第四节 基于Python的文本数据预处理
第五节 大数据文本预处理应用案例
复习思考题
第三章 大数据存储
学习目标
第一节 数据存储概述
第二节 分布式文件系统
第三节 数据库存储
复习思考题
第四章 大数据计算
学习目标
第一节 大数据计算概述
第二节 MapReduce——大数据离线计算框架
第三节 Spark——大数据统一计算引擎
复习思考题
第五章 大数据分析的算法
学习目标
第一节 大数据分析算法概述
第二节 大数据的统计分析方法
第三节 关联规则
第四节 聚类分析
第五节 分类分析
复习思考题
第六章 大数据可视化
学习目标
第一节 大数据可视化概述
第二节 Matplotlib库及函数
第三节 常见的图形绘制
第四节 pyecharts可视化模块
第五节 可视化应用案例
复习思考题
第七章 基于朴素贝叶斯算法的“天问一号”事件用户评论情感大数据分析
学习目标
一、案例背景
二、案例流程
三、数据探索
四、文本预处理
五、绘制词云图
六、模型构建与训练
七、模型评估
复习思考题
第八章 基于Hive的超市零售大数据分析
学习目标
一、Hive的安装
二、案例背景
三、数据准备
四、实验环境准备
五、基于Hive的数据分析
复习思考题
前辅文
第一章 大数据分析概述
学习目标
第一节 大数据的概念诠释
第二节 大数据的数据类型
第三节 大数据分析的流程及技术
第四节 大数据分析面临的挑战
第五节 Python大数据分析的开发环境
复习思考题
第二章 大数据采集与预处理
学习目标
第一节 大数据的采集途径
第二节 大数据的采集技术
第三节 数据预处理
第四节 基于Python的文本数据预处理
第五节 大数据文本预处理应用案例
复习思考题
第三章 大数据存储
学习目标
第一节 数据存储概述
第二节 分布式文件系统
第三节 数据库存储
复习思考题
第四章 大数据计算
学习目标
第一节 大数据计算概述
第二节 MapReduce——大数据离线计算框架
第三节 Spark——大数据统一计算引擎
复习思考题
第五章 大数据分析的算法
学习目标
第一节 大数据分析算法概述
第二节 大数据的统计分析方法
第三节 关联规则
第四节 聚类分析
第五节 分类分析
复习思考题
第六章 大数据可视化
学习目标
第一节 大数据可视化概述
第二节 Matplotlib库及函数
第三节 常见的图形绘制
第四节 pyecharts可视化模块
第五节 可视化应用案例
复习思考题
第七章 基于朴素贝叶斯算法的“天问一号”事件用户评论情感大数据分析
学习目标
一、案例背景
二、案例流程
三、数据探索
四、文本预处理
五、绘制词云图
六、模型构建与训练
七、模型评估
复习思考题
第八章 基于Hive的超市零售大数据分析
学习目标
一、Hive的安装
二、案例背景
三、数据准备
四、实验环境准备
五、基于Hive的数据分析
复习思考题
前辅文
第一章 大数据分析概述
学习目标
第一节 大数据的概念诠释
第二节 大数据的数据类型
第三节 大数据分析的流程及技术
第四节 大数据分析面临的挑战
第五节 Python大数据分析的开发环境
复习思考题
第二章 大数据采集与预处理
学习目标
第一节 大数据的采集途径
第二节 大数据的采集技术
第三节 数据预处理
第四节 基于Python的文本数据预处理
第五节 大数据文本预处理应用案例
复习思考题
第三章 大数据存储
学习目标
第一节 数据存储概述
第二节 分布式文件系统
第三节 数据库存储
复习思考题
第四章 大数据计算
学习目标
第一节 大数据计算概述
第二节 MapReduce——大数据离线计算框架
第三节 Spark——大数据统一计算引擎
复习思考题
第五章 大数据分析的算法
学习目标
第一节 大数据分析算法概述
第二节 大数据的统计分析方法
第三节 关联规则
第四节 聚类分析
第五节 分类分析
复习思考题
第六章 大数据可视化
学习目标
第一节 大数据可视化概述
第二节 Matplotlib库及函数
第三节 常见的图形绘制
第四节 pyecharts可视化模块
第五节 可视化应用案例
复习思考题
第七章 基于朴素贝叶斯算法的“天问一号”事件用户评论情感大数据分析
学习目标
一、案例背景
二、案例流程
三、数据探索
四、文本预处理
五、绘制词云图
六、模型构建与训练
七、模型评估
复习思考题
第八章 基于Hive的超市零售大数据分析
学习目标
一、Hive的安装
二、案例背景
三、数据准备
四、实验环境准备
五、基于Hive的数据分析
复习思考题
前辅文
第一章 大数据分析概述
学习目标
第一节 大数据的概念诠释
第二节 大数据的数据类型
第三节 大数据分析的流程及技术
第四节 大数据分析面临的挑战
第五节 Python大数据分析的开发环境
复习思考题
第二章 大数据采集与预处理
学习目标
第一节 大数据的采集途径
第二节 大数据的采集技术
第三节 数据预处理
第四节 基于Python的文本数据预处理
第五节 大数据文本预处理应用案例
复习思考题
第三章 大数据存储
学习目标
第一节 数据存储概述
第二节 分布式文件系统
第三节 数据库存储
复习思考题
第四章 大数据计算
学习目标
第一节 大数据计算概述
第二节 MapReduce——大数据离线计算框架
第三节 Spark——大数据统一计算引擎
复习思考题
第五章 大数据分析的算法
学习目标
第一节 大数据分析算法概述
第二节 大数据的统计分析方法
第三节 关联规则
第四节 聚类分析
第五节 分类分析
复习思考题
第六章 大数据可视化
学习目标
第一节 大数据可视化概述
第二节 Matplotlib库及函数
第三节 常见的图形绘制
第四节 pyecharts可视化模块
第五节 可视化应用案例
复习思考题
第七章 基于朴素贝叶斯算法的“天问一号”事件用户评论情感大数据分析
学习目标
一、案例背景
二、案例流程
三、数据探索
四、文本预处理
五、绘制词云图
六、模型构建与训练
七、模型评估
复习思考题
第八章 基于Hive的超市零售大数据分析
学习目标
一、Hive的安装
二、案例背景
三、数据准备
四、实验环境准备
五、基于Hive的数据分析
复习思考题
