本書將圍繞大數(shù)據(jù)技術的基本原理與實踐,介紹了大數(shù)據(jù)獲取、存儲、分析、數(shù)據(jù)挖掘和機器學習。內(nèi)容涵蓋以下主題：Hadoop、Mapreduce、關聯(lián)規(guī)則、大規(guī)模監(jiān)督機器學習、數(shù)據(jù)流、集群、NoSQL系統(tǒng)（Pig、Hive），以及包括推薦系統(tǒng)、Web和安全性的應用程序。第1章重點闡述了大數(shù)據(jù)驅(qū)動的商業(yè)模式、技術生態(tài)體系，大數(shù)據(jù)的類型、特點、獲取技術。第2章概要介紹了大數(shù)據(jù)的軟硬件架構，包括大數(shù)據(jù)技術基礎與軟硬件設施、大數(shù)據(jù)存儲與管理技術、大數(shù)據(jù)的分布式處理技術平臺等，包括MapReduce編程框架原理、Spark結構與原理、基于Storm的大規(guī)模數(shù)據(jù)流的分布式處理技術等。第3章介紹了Python編程基礎，包括基本數(shù)據(jù)類型、基本控制流程、Numpy、Scipy、Pandas等。第4章介紹了大數(shù)據(jù)分析技術，包括基于MapReduce基礎編程、文本大數(shù)據(jù)分析與處理技術、大數(shù)據(jù)關聯(lián)分析、相似項的發(fā)現(xiàn)、基于大數(shù)據(jù)的推薦系統(tǒng)、基于大數(shù)據(jù)的圖與網(wǎng)絡分析、大數(shù)據(jù)聚類分析、時空大數(shù)據(jù)分析、非結構化大數(shù)據(jù)分析與處理、基于Storm的流數(shù)據(jù)分析技術等。第5章介紹了基于SparkMLlib/Mahout的大數(shù)據(jù)機器學習，包括機器學習基礎、典型機器學習問題、機器學習評價方法、并行機器學習算法，并進行了利用MLlib解決大數(shù)據(jù)并行分類問題、利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實踐。第6章介紹了基于大數(shù)據(jù)的深度學習技術，包括深度學習基本原理、深度學習典型應用、Keras 基礎入門及應用案例。第7章介紹了材料大數(shù)據(jù)材料熱導率預測、旅游大數(shù)據(jù)分析、交通大數(shù)據(jù)分析、工業(yè)大數(shù)據(jù)分析、產(chǎn)品創(chuàng)新大數(shù)據(jù)分析等帶代碼、數(shù)據(jù)的案例。本書內(nèi)容深入淺出，具有很強的理論與實踐指導作用，可作為數(shù)據(jù)科學與技術、人工智能、計算機科學、制造科學、機械工程等學科相關專業(yè)的本科生、研究生的教材或課程教學參考書，也是對工程技術人員、科研人員而言非常實用的工具書。
本書內(nèi)容深入淺出，具有很強的理論與實踐指導作用，可作為數(shù)據(jù)科學與技術、人工智能、計算機科學、制造科學、機械工程等學科相關專業(yè)的本科生、研究生的教材或課程教學參考書，也是對工程技術人員、科研人員而言非常實用的工具書。
當前，數(shù)據(jù)已成為新型生產(chǎn)要素。發(fā)展大數(shù)據(jù)技術已成為國家戰(zhàn)略。數(shù)據(jù)要素的專業(yè)化研究與應用的核心是高端人才。不可否認的是，目前大數(shù)據(jù)人才在世界范圍內(nèi)仍處于緊缺狀態(tài)。大數(shù)據(jù)所具有的規(guī)模性、多樣性、流動性和價值高等特征，決定了大數(shù)據(jù)人才必須是復合型人才，需要具備超強的綜合能力。大數(shù)據(jù)的分析與應用，要求大數(shù)據(jù)人才是多學科交叉型人才，既有數(shù)據(jù)庫和軟件等計算機方面的知識，又有應用領域的學科專業(yè)知識能力。因此，各高等院校必須進一步改善人才培養(yǎng)模式，修訂人才培養(yǎng)方案和課程體系，嘗試用多種形式培養(yǎng)跨界型大數(shù)據(jù)人才。筆者基于國家大數(shù)據(jù)戰(zhàn)略需求，在數(shù)據(jù)科學與技術的基礎上，結合多學科交叉課程體系建設、新工科建設，在總結近年來教學、科研及人才培養(yǎng)實踐的基礎上，組織教學科研一線教師，合力完成了本書。本書為普通高等院校新工科創(chuàng)新教育精品課程系列教材、*高等學校機械類專業(yè)教學指導委員會推薦教材，是目前唯一的將深度學習與大數(shù)據(jù)技術相結合的教材。在教材的編寫過程中，注重以企業(yè)對人才的需求為導向；教材內(nèi)容兼顧本專業(yè)培養(yǎng)目標和學生就業(yè)崗位實際，在講解理論知識的同時，精選了材料大數(shù)據(jù)、旅游大數(shù)據(jù)、交通大數(shù)據(jù)、工業(yè)大數(shù)據(jù)等方面具有代表性的案例進行分析展示。全書共7章。第１章概括介紹了大數(shù)據(jù)技術的基本概念，主要包括大數(shù)據(jù)驅(qū)動的商業(yè)模式、數(shù)據(jù)的類型、大數(shù)據(jù)的特點、大數(shù)據(jù)的獲取方式等。第２章介紹了大數(shù)據(jù)的軟硬件架構，主要包括大數(shù)據(jù)技術基礎與軟硬件設施、大數(shù)據(jù)存儲與管理技術、大數(shù)據(jù)的分布式處理平臺等。第３章講解了Python的編程基礎，主要包括基本數(shù)據(jù)類型、控制流程、Numpy/Scipy/Pandas/Matplotlib等相關的數(shù)據(jù)庫介紹。第４章講解了大數(shù)據(jù)分析技術，主要包括MapReduce編程基礎、文本大數(shù)據(jù)分析與處理技術、大數(shù)據(jù)關聯(lián)分析、相似項的發(fā)現(xiàn)、基于大數(shù)據(jù)的推薦系統(tǒng)、基于大數(shù)據(jù)的圖與網(wǎng)絡分析、大數(shù)據(jù)聚類分析、時空大數(shù)據(jù)分析、非結構化大數(shù)據(jù)分析與處理、基于Storm的流數(shù)據(jù)分析技術等。第５章介紹了基于Spark MLlib/Mahout的大數(shù)據(jù)機器學習，主要包括機器學習基礎、機器學習要解決的問題及評價方法、并行機器學習算法、利用MLlib解決大數(shù)據(jù)并行分類問題實踐、利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實踐等。第６章介紹了基于大數(shù)據(jù)的深度學習技術與應用，主要包括深度學習基本原理、深度學習典型應用、Keras基礎入門以及相應的應用案例等。第７章主要是經(jīng)典案例的分析，包括材料大數(shù)據(jù)與材料熱導率的預測、旅游大數(shù)據(jù)分析、交通大數(shù)據(jù)分析、工業(yè)大數(shù)據(jù)分析、產(chǎn)品創(chuàng)新大數(shù)據(jù)分析等。本書有如下幾方面特色：（1）知識體系合理，語言通俗易懂。本書按照讀者的接受度搭建知識體系，內(nèi)容由淺入深、循序漸進，并盡*大可能地將學術語言轉(zhuǎn)化為讓讀者容易理解的語言。（2）內(nèi)容全面，應用性強。本書提供了從大數(shù)據(jù)概念到Python編程基礎，再到機器學習、深度學習的整體架構，并在第７章通過幾個經(jīng)典的案例解析進行了展示。（3）提供了完整的源代碼，并提供了訓練數(shù)據(jù)集或其來源。如果數(shù)據(jù)集是作者制作的，則可通過掃描書中二維碼直接獲取。如果數(shù)據(jù)集來源于網(wǎng)站，則通過二維碼提供了有效的下載鏈接。本書由貴州大學省部共建公共大數(shù)據(jù)國家重點實驗室（籌）主任李少波教授、貴州大學楊靜副教授編著。李少波、楊靜擔任本書編寫委員會主任，張安思、秦永彬、楊觀賜擔任本書編寫委員會副主任。胡杰、唐向紅、陸豐、周鵬、陳艷平、魏宏靜、白強、全華鳳、李琴、李傳江、張森、李想、張鈞星等一線教學科研人員任本書編寫委員會委員，他們均參與了本書的編寫工作。本書既可作為本科生教學用書，又可作為研究生的主要教材，同時也可作為廣大工程技術人員及對大數(shù)據(jù)感興趣的研究人員的參考書。在本書編寫過程中得到了省部共建公共大數(shù)據(jù)國家重點實驗室（籌）學術委員會各位專家的指導，對此表示衷心的感謝。由于時間倉促，且編者水平有限，書中定有錯訛和不足之處，懇請廣大讀者批評指正。
貴州大學機械工程學院院長，博士生導師，教授，2005年入選西部之光優(yōu)秀人才，2008年入選貴州省優(yōu)秀青年科技人才，2009年入選*新世紀優(yōu)秀人才、貴州省省管專家、享受政府特殊津貼專家，2014年評聘為三級教授，入選貴州省首批高層次創(chuàng)新型人才（百層次）。是貴州大學學術學科帶頭人，機械制造及其自動化、機械電子工程專業(yè)博士生導師，中國科學院大學兼職博士生導師。是十二五貴州省制造業(yè)信息化專家組組長，中國圖學學會理事，貴州省裝備行業(yè)協(xié)會常務理事，貴陽軍民結合（裝備制造）產(chǎn)業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟副秘書長，貴州省智能電網(wǎng)產(chǎn)業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟副理事長，貴州省計算機學會常務副理事長，《計算機集成制造系統(tǒng)CIMS》理事會理事，《中國制造業(yè)信息化》、《機械設計與制造工程》理事會常務理事，貴州省服務決策專家智庫專家，貴州省青年科技工作者協(xié)會常務理事、信息科學與機電工程專業(yè)委員會主任委員，貴陽市網(wǎng)絡信息安全協(xié)會副會長，《計算機集成系統(tǒng)-CIMS》、《四川大學學報(工程科學版)》、《計算機應用》等期刊的審稿人等。已發(fā)表論文130余篇，SCI/EI/ISTP收錄60余篇次，出版專著2部，譯著1部，軟件著作權登記8項、專利7件（其中發(fā)明3件）。被鑒定為國際先進、國內(nèi)領先的成果8項。主持國家自然科學基金、國家863計劃重點項目、國家科技支撐計劃等科研項目30余項。獲省部級科技進步二等獎2次、三等獎2次，貴陽市科技進步特等獎1次、二等獎2次、三等獎1次。
第1章大數(shù)據(jù)技術概覽（1）
1.1數(shù)據(jù)發(fā)展歷史（1）
1.2什么是大數(shù)據(jù)（5）
1.3大數(shù)據(jù)的生命周期（8）
第2章Python編程基礎（28）
2.1基本數(shù)據(jù)類型（28）
2.2基本控制流程（38）
2.3Python的面向?qū)ο髾C制（43）
2.4Numpy、Scipy和Pandas（47）
2.5Matplotlib軟件包（56）
本章小結（60）
習題（60）
第3章大數(shù)據(jù)的軟硬件架構（61）
3.1大數(shù)據(jù)技術基礎與軟硬件設施概述（61）
3.2大數(shù)據(jù)存儲與管理技術（65）
3.3大數(shù)據(jù)的分布式處理平臺（72）
本章小結（88）
習題（90）
第4章基于Spark MLlib/Mahout的大數(shù)據(jù)機器學習（91）
4.1機器學習基礎（91）
4.2典型機器學習問題（92）
4.3機器學習評價方法（99）
4.4并行機器學習算法（102）
4.5利用Mahout解決大數(shù)據(jù)推薦優(yōu)化問題實踐（104）
本章小結（107）
習題（108）
第5章大數(shù)據(jù)分析技術（109）
5.1MapReduce編程基礎（109）
5.2基于Storm的流數(shù)據(jù)分析（119）
5.3文本大數(shù)據(jù)分析與處理（128）
5.4大數(shù)據(jù)關聯(lián)分析（131）
5.5相似項的發(fā)現(xiàn)（134）
5.6基于大數(shù)據(jù)的推薦技術（138）
5.7基于大數(shù)據(jù)的圖與網(wǎng)絡分析（142）
5.8大數(shù)據(jù)聚類分析（150）
5.9時空大數(shù)據(jù)分析（158）
5.10非結構化大數(shù)據(jù)分析與處理（164）
5.11利用MLlib解決大數(shù)據(jù)并行分類問題實踐（169）
本章小結（173）
習題（173）
第6章大數(shù)據(jù)流式處理（175）
6.1流式處理概述（175）
6.2流式處理模型（183）
6.3流式處理引擎Apache Spark（190）
6.4新一代流式處理引擎 Apach Flink（200）
6.5基于Flink的人體生命體征數(shù)據(jù)分析與告警（218）
6.6本章小結（229）
6.7習題（230）
第7章基于大數(shù)據(jù)的深度學習技術與應用（231）
7.1深度學習基本原理（231）
7.2深度學習典型應用（233）
7.3Keras基礎入門（239）
7.4應 用 案 例（241）
本章小結（248）
習題（248）
第8章大數(shù)據(jù)安全與隱私保護關鍵技術（250）
8.1大數(shù)據(jù)安全（250）
8.1.2大數(shù)據(jù)時代的隱私安全挑戰(zhàn)（251）
8.2大數(shù)據(jù)安全隱私保護（252）
8.3大數(shù)據(jù)安全與隱私保護的關鍵技術（254）
8.3.1匿名化處理技術（255）
8.3.2加密存儲技術（257）
8.3.4訪問控制技術（260）
8.4大數(shù)據(jù)安全與隱私保護展望（262）
8.4.1網(wǎng)絡態(tài)勢感知：助力大數(shù)據(jù)發(fā)展（262）
8.4.2人工智能：為大數(shù)據(jù)發(fā)展護航（263）
8.5本章小結（263）
習題（264）
第9章帶代碼、數(shù)據(jù)的案例研究（265）
9.1材料大數(shù)據(jù)與材料熱導率預測（265）
9.2旅游大數(shù)據(jù)分析（275）
9.3交通大數(shù)據(jù)分析（284）
9.4工業(yè)大數(shù)據(jù)分析（289）
9.4.5模型部署及可視化（313）
9.5產(chǎn)品創(chuàng)新大數(shù)據(jù)分析（322）
9.6基于醫(yī)藥網(wǎng)站數(shù)據(jù)的醫(yī)療知識圖譜（328）
9.7車間生產(chǎn)安全監(jiān)測（337）
9.8人工智能安全案例（350）
9.9司法大數(shù)據(jù)分析案例（355）
本章小結（382）
習題（382）
參考文獻（383）
書單推薦
