- 清华大学出版社
- 9787302636670
- 1-1
- 508232
- 63247059-7
- 16开
- 2023-07
- 计算机
- 高职
作者简介
内容简介
《大数据技术概论（微课版）》以项目、任务驱动的方式组织内容，以大数据产业链六大产业环节为核心构建逻辑，采用新形态活页的形式进行组织编写。《大数据技术概论（微课版）》共10个项目，包括认识大数据、了解大数据产业、大数据平台与生态圈、大数据采集、大数据存储、大数据预处理、大数据分析与挖掘、大数据可视化、中国信创与大数据中台、大数据应用综合平台典型案例等内容。《大数据技术概论（微课版）》注重课程思政及教学过程考核评价，每个项目的任务评估、项目总结、项目拓展训练、项目评价等环节可以更好地帮助读者学好教材内容，同时又能拓展知识面，提高读者的综合能力，达到活学活用、举一反三的目的。 《大数据技术概论（微课版）》内容丰富，结构新颖，将新业态、新技术、新规范、新标准融入教材，体现了“三教”改革核心思想，是一本全面了解大数据技术的书籍。《大数据技术概论（微课版）》既适合作为高职高专、职业本科及应用型本科电子信息大类各专业大数据技术概论相关课程的教材，又可作为大数据技术领域相关工作人员的参考书。
目录
目 录
项目1 认识大数据 1
任务1.1 大数据时代 2
1.1.1 大数据时代的来临 2
1.1.2 大数据时代的发展 5
【任务评估】 9
任务1.2 什么是大数据 11
1.2.1 大数据的定义 11
1.2.2 大数据的特征 12
1.2.3 大数据的结构类型 13
1.2.4 数据科学与大数据 14
【任务评估】 15
任务1.3 大数据与其他新兴技术 17
1.3.1 云计算 17
1.3.2 物联网 19
1.3.3 人工智能 20
【任务评估】 21
项目总结 23
项目拓展训练 23
项目评价 25
项目2 了解大数据产业 27
任务2.1 区域大数据发展水平 28
2.1.1 总体概况 29
2.1.2 基础环境 31
2.1.3 产业发展 33
2.1.4 行业应用 34
【任务评估】 37
任务2.2 行业大数据发展水平 39
2.2.1 总体评价 39
2.2.2 发展特点 40
【任务评估】 43
任务2.3 大数据企业发展水平 45
2.3.1 大数据企业榜单 45
2.3.2 大数据企业细分领域 47
【任务评估】 49
任务2.4 大数据产业发展规划及
发展趋势 51
2.4.1 大数据产业发展规划 51
2.4.2 大数据产业发展趋势 54
【任务评估】 57
任务2.5 大数据产业人才需求 59
2.5.1 大数据产业人才需求概况 59
2.5.2 大数据产业人才能力要求 60
2.5.3 大数据产业人才及岗位分类 61
2.5.4 大数据产业人才与专业的
关系 61
【任务评估】 63
项目总结 65
项目拓展训练 65
项目评价 67
项目3 大数据平台与生态圈 69
任务3.1 认识Hadoop大数据平台 70
3.1.1 Hadoop的前世今生 71
3.1.2 Hadoop的特性 73
3.1.3 Hadoop核心组件 73
【任务评估】 79
任务3.2 Hadoop生态圈 81
3.2.1 Hadoop生态圈组件 81
3.2.2 Hadoop版本介绍 85
【任务评估】 87
任务3.3 认识Spark技术架构 89
3.3.1 Spark的发展 89
3.3.2 Spark与Hadoop的区别 90
3.3.3 Spark的运行架构与运行
流程 91
3.3.4 Spark生态圈 93
3.3.5 Spark运行模式 94
3.3.6 Spark的应用场景 95
【任务评估】 97
任务3.4 大数据计算架构 99
3.4.1 离线计算架构 99
3.4.2 实时计算架构 100
【任务评估】 103
项目总结 105
项目拓展训练 105
项目评价 107
项目4 大数据采集 109
任务4.1 了解大数据采集 110
4.1.1 数据采集的概念 110
4.1.2 数据采集的数据源 111
【任务评估】 113
任务4.2 大数据采集的方法与工具 115
4.2.1 日志采集系统 115
4.2.2 网络数据采集 116
4.2.3 数据库采集 118
4.2.4 分布式消息订阅 118
【任务评估】 121
项目总结 123
项目拓展训练 123
项目评价 125
项目5 大数据存储 127
任务5.1 大数据存储概述 128
5.1.1 大数据存储的概念 128
5.1.2 大数据存储的类型 129
5.1.3 大数据存储的关键技术 131
【任务评估】 133
任务5.2 大数据存储的方式 135
5.2.1 分布式存储 135
5.2.2 数据仓库 139
5.2.3 NoSQL数据库 143
5.2.4 NewSQL数据库 144
5.2.5 云数据库 145
【任务评估】 147
任务5.3 了解NoSQL数据库工具 149
5.3.1 HBase 149
5.3.2 MongoDB 150
5.3.3 Redis 153
5.3.4 LevelDB 154
5.3.5 Neo4j 155
【任务评估】 157
任务5.4 大数据安全 159
5.4.1 大数据安全概述 159
5.4.2 大数据安全体系 160
5.4.3 大数据安全关键技术 161
5.4.4 大数据安全法律法规 161
【任务评估】 165
项目总结 167
项目拓展训练 167
项目评价 169
项目6 大数据预处理 171
任务6.1 认识数据清洗 173
6.1.1 数据清洗的定义 173
6.1.2 数据清洗的原理 173
6.1.3 数据清洗的流程 174
6.1.4 数据清洗的方法 175
6.1.5 认识ETL 180
【任务评估】 183
任务6.2 数据清洗的常用工具 185
6.2.1 Excel 185
6.2.2 Kettle 186
6.2.3 DataCleaner 186
6.2.4 OpenRefine 187
6.2.5 Smartbi 187
【任务评估】 189
任务6.3 数据转换 191
6.3.1 数据离散化 191
6.3.2 数据平滑 193
6.3.3 属性构造 194
6.3.4 数据聚合 195
6.3.5 数据规范化 196
【任务评估】 199
任务6.4 数据标准 201
6.4.1 数据标准的概念 201
6.4.2 数据标准的分类 201
6.4.3 数据标准的管理 202
6.4.4 数据标准与数据资产的
关系 205
【任务评估】 207
任务6.5 数据质量与数据脱敏 209
6.5.1 数据质量的定义 209
6.5.2 数据质量的常见问题 210
6.5.3 数据脱敏 211
【任务评估】 213
项目总结 215
项目拓展训练 215
项目评价 217
项目7 大数据分析与挖掘 219
任务7.1 大数据分析 220
7.1.1 大数据分析的概念 221
7.1.2 大数据分析的流程 222
7.1.3 大数据分析的方法 222
7.1.4 大数据分析工具库 225
【任务评估】 229
任务7.2 数据挖掘 231
7.2.1 数据挖掘的概念 231
7.2.2 数据挖掘算法 234
7.2.3 大数据挖掘工具 235
【任务评估】 237
项目总结 239
项目拓展训练 239
项目评价 241
项目8 大数据可视化 243
任务8.1 数据可视化基础 244
8.1.1 数据可视化的概念 244
8.1.2 数据可视化的发展 244
8.1.3 数据可视化的优势 246
8.1.4 数据可视化的方法 247
【任务评估】 249
任务8.2 数据可视化常用图表 251
8.2.1 常用图表介绍 251
8.2.2 图表的选择与应用 260
【任务评估】 261
任务8.3 大数据可视化常用工具 263
8.3.1 大数据可视化工具 263
8.3.2 大数据可视化开源库 263
【任务评估】 265
项目总结 267
项目拓展训练 267
项目评价 269
项目9 中国信创与大数据中台 271
任务9.1 什么是信创 273
9.1.1 信创的概念 273
9.1.2 信创的发展历程 274
【任务评估】 277
任务9.2 信创的现状和发展前景 279
9.2.1 信创的现状 279
9.2.2 信创的发展前景 282
【任务评估】 285
任务9.3 信创之大数据中台 287
9.3.1 产品概述 287
9.3.2 产品优势 289
9.3.3 产品架构 291
9.3.4 产品适用场景 293
【任务评估】 297
项目总结 299
项目拓展训练 299
项目评价 301
项目10 大数据应用综合平台
典型案例 303
任务10.1 某市智慧城市建设项目
案例 304
10.1.1 项目背景 304
10.1.2 建设目标 305
10.1.3 技术架构 305
10.1.4 建设成效 306
【任务评估】 309
任务10.2 某市高新区城市驾驶舱平台
建设项目案例 311
10.2.1 项目背景 311
10.2.2 建设目标 311
10.2.3 技术架构 311
10.2.4 建设成效 312
【任务评估】 315
任务10.3 养老保险全国统筹数据平台
建设项目案例 317
10.3.1 项目背景 317
10.3.2 建设目标 317
10.3.3 技术架构 318
10.3.4 建设成效 319
【任务评估】 321
项目总结 323
项目拓展训练 323
项目评价 325
参考文献 327
项目1 认识大数据 1
任务1.1 大数据时代 2
1.1.1 大数据时代的来临 2
1.1.2 大数据时代的发展 5
【任务评估】 9
任务1.2 什么是大数据 11
1.2.1 大数据的定义 11
1.2.2 大数据的特征 12
1.2.3 大数据的结构类型 13
1.2.4 数据科学与大数据 14
【任务评估】 15
任务1.3 大数据与其他新兴技术 17
1.3.1 云计算 17
1.3.2 物联网 19
1.3.3 人工智能 20
【任务评估】 21
项目总结 23
项目拓展训练 23
项目评价 25
项目2 了解大数据产业 27
任务2.1 区域大数据发展水平 28
2.1.1 总体概况 29
2.1.2 基础环境 31
2.1.3 产业发展 33
2.1.4 行业应用 34
【任务评估】 37
任务2.2 行业大数据发展水平 39
2.2.1 总体评价 39
2.2.2 发展特点 40
【任务评估】 43
任务2.3 大数据企业发展水平 45
2.3.1 大数据企业榜单 45
2.3.2 大数据企业细分领域 47
【任务评估】 49
任务2.4 大数据产业发展规划及
发展趋势 51
2.4.1 大数据产业发展规划 51
2.4.2 大数据产业发展趋势 54
【任务评估】 57
任务2.5 大数据产业人才需求 59
2.5.1 大数据产业人才需求概况 59
2.5.2 大数据产业人才能力要求 60
2.5.3 大数据产业人才及岗位分类 61
2.5.4 大数据产业人才与专业的
关系 61
【任务评估】 63
项目总结 65
项目拓展训练 65
项目评价 67
项目3 大数据平台与生态圈 69
任务3.1 认识Hadoop大数据平台 70
3.1.1 Hadoop的前世今生 71
3.1.2 Hadoop的特性 73
3.1.3 Hadoop核心组件 73
【任务评估】 79
任务3.2 Hadoop生态圈 81
3.2.1 Hadoop生态圈组件 81
3.2.2 Hadoop版本介绍 85
【任务评估】 87
任务3.3 认识Spark技术架构 89
3.3.1 Spark的发展 89
3.3.2 Spark与Hadoop的区别 90
3.3.3 Spark的运行架构与运行
流程 91
3.3.4 Spark生态圈 93
3.3.5 Spark运行模式 94
3.3.6 Spark的应用场景 95
【任务评估】 97
任务3.4 大数据计算架构 99
3.4.1 离线计算架构 99
3.4.2 实时计算架构 100
【任务评估】 103
项目总结 105
项目拓展训练 105
项目评价 107
项目4 大数据采集 109
任务4.1 了解大数据采集 110
4.1.1 数据采集的概念 110
4.1.2 数据采集的数据源 111
【任务评估】 113
任务4.2 大数据采集的方法与工具 115
4.2.1 日志采集系统 115
4.2.2 网络数据采集 116
4.2.3 数据库采集 118
4.2.4 分布式消息订阅 118
【任务评估】 121
项目总结 123
项目拓展训练 123
项目评价 125
项目5 大数据存储 127
任务5.1 大数据存储概述 128
5.1.1 大数据存储的概念 128
5.1.2 大数据存储的类型 129
5.1.3 大数据存储的关键技术 131
【任务评估】 133
任务5.2 大数据存储的方式 135
5.2.1 分布式存储 135
5.2.2 数据仓库 139
5.2.3 NoSQL数据库 143
5.2.4 NewSQL数据库 144
5.2.5 云数据库 145
【任务评估】 147
任务5.3 了解NoSQL数据库工具 149
5.3.1 HBase 149
5.3.2 MongoDB 150
5.3.3 Redis 153
5.3.4 LevelDB 154
5.3.5 Neo4j 155
【任务评估】 157
任务5.4 大数据安全 159
5.4.1 大数据安全概述 159
5.4.2 大数据安全体系 160
5.4.3 大数据安全关键技术 161
5.4.4 大数据安全法律法规 161
【任务评估】 165
项目总结 167
项目拓展训练 167
项目评价 169
项目6 大数据预处理 171
任务6.1 认识数据清洗 173
6.1.1 数据清洗的定义 173
6.1.2 数据清洗的原理 173
6.1.3 数据清洗的流程 174
6.1.4 数据清洗的方法 175
6.1.5 认识ETL 180
【任务评估】 183
任务6.2 数据清洗的常用工具 185
6.2.1 Excel 185
6.2.2 Kettle 186
6.2.3 DataCleaner 186
6.2.4 OpenRefine 187
6.2.5 Smartbi 187
【任务评估】 189
任务6.3 数据转换 191
6.3.1 数据离散化 191
6.3.2 数据平滑 193
6.3.3 属性构造 194
6.3.4 数据聚合 195
6.3.5 数据规范化 196
【任务评估】 199
任务6.4 数据标准 201
6.4.1 数据标准的概念 201
6.4.2 数据标准的分类 201
6.4.3 数据标准的管理 202
6.4.4 数据标准与数据资产的
关系 205
【任务评估】 207
任务6.5 数据质量与数据脱敏 209
6.5.1 数据质量的定义 209
6.5.2 数据质量的常见问题 210
6.5.3 数据脱敏 211
【任务评估】 213
项目总结 215
项目拓展训练 215
项目评价 217
项目7 大数据分析与挖掘 219
任务7.1 大数据分析 220
7.1.1 大数据分析的概念 221
7.1.2 大数据分析的流程 222
7.1.3 大数据分析的方法 222
7.1.4 大数据分析工具库 225
【任务评估】 229
任务7.2 数据挖掘 231
7.2.1 数据挖掘的概念 231
7.2.2 数据挖掘算法 234
7.2.3 大数据挖掘工具 235
【任务评估】 237
项目总结 239
项目拓展训练 239
项目评价 241
项目8 大数据可视化 243
任务8.1 数据可视化基础 244
8.1.1 数据可视化的概念 244
8.1.2 数据可视化的发展 244
8.1.3 数据可视化的优势 246
8.1.4 数据可视化的方法 247
【任务评估】 249
任务8.2 数据可视化常用图表 251
8.2.1 常用图表介绍 251
8.2.2 图表的选择与应用 260
【任务评估】 261
任务8.3 大数据可视化常用工具 263
8.3.1 大数据可视化工具 263
8.3.2 大数据可视化开源库 263
【任务评估】 265
项目总结 267
项目拓展训练 267
项目评价 269
项目9 中国信创与大数据中台 271
任务9.1 什么是信创 273
9.1.1 信创的概念 273
9.1.2 信创的发展历程 274
【任务评估】 277
任务9.2 信创的现状和发展前景 279
9.2.1 信创的现状 279
9.2.2 信创的发展前景 282
【任务评估】 285
任务9.3 信创之大数据中台 287
9.3.1 产品概述 287
9.3.2 产品优势 289
9.3.3 产品架构 291
9.3.4 产品适用场景 293
【任务评估】 297
项目总结 299
项目拓展训练 299
项目评价 301
项目10 大数据应用综合平台
典型案例 303
任务10.1 某市智慧城市建设项目
案例 304
10.1.1 项目背景 304
10.1.2 建设目标 305
10.1.3 技术架构 305
10.1.4 建设成效 306
【任务评估】 309
任务10.2 某市高新区城市驾驶舱平台
建设项目案例 311
10.2.1 项目背景 311
10.2.2 建设目标 311
10.2.3 技术架构 311
10.2.4 建设成效 312
【任务评估】 315
任务10.3 养老保险全国统筹数据平台
建设项目案例 317
10.3.1 项目背景 317
10.3.2 建设目标 317
10.3.3 技术架构 318
10.3.4 建设成效 319
【任务评估】 321
项目总结 323
项目拓展训练 323
项目评价 325
参考文献 327
