前言
第1章大數(shù)據(jù)管理與應用概述/
1.1什么是大數(shù)據(jù)/
1.2大數(shù)據(jù)管理與應用/
1.3大數(shù)據(jù)管理與應用前沿/
1.4大數(shù)據(jù)管理與應用技術(shù)/
參考文獻/
第2章大數(shù)據(jù)技術(shù)基礎(chǔ)知識/
2.1Hadoop生態(tài)系統(tǒng)簡介/
2.2Linux簡介/
2.3Python基礎(chǔ)知識/
實驗一Python環(huán)境搭建/
實驗二基于Python語言的Spark實戰(zhàn)/
參考文獻/
第3章數(shù)據(jù)采集與融合/
3.1數(shù)據(jù)資源/
3.2常見數(shù)據(jù)采集途徑/
3.3多源數(shù)據(jù)融合/
實驗三網(wǎng)絡爬蟲/
實驗四Kafka操作/
參考文獻/
第4章數(shù)據(jù)存儲與管理/
4.1數(shù)據(jù)存儲簡介/
4.2分布式文件系統(tǒng)/
4.3數(shù)據(jù)庫和數(shù)據(jù)倉庫/
4.4數(shù)據(jù)管理/
實驗五HBase操作/
實驗六彈性搜索應用實例/
參考文獻/
第5章大數(shù)據(jù)處理與分析技術(shù)/
5.1大數(shù)據(jù)計算框架概述/
5.2文本數(shù)據(jù)處理與分析/
5.3圖像數(shù)據(jù)處理與分析/
5.4音頻數(shù)據(jù)處理與分析/
5.5視頻數(shù)據(jù)處理與分析/
參考文獻/
第6章大數(shù)據(jù)決策支持/
6.1大數(shù)據(jù)決策概述/
6.2可視化分析方法/
6.3機器學習方法/
6.4計量經(jīng)濟學方法/
參考文獻/
第7章大數(shù)據(jù)應用研究案例/
7.1大數(shù)據(jù)機器學習研究案例/
7.2大數(shù)據(jù)計量模型研究案例/
參考文獻/
第8章大數(shù)據(jù)決策支持實驗/
8.1大數(shù)據(jù)機器學習實驗/
8.2大數(shù)據(jù)計量經(jīng)濟分析實驗/
參考文獻/