|
關(guān)于我們
 書(shū)單推薦 新書(shū)推薦 |
大數(shù)據(jù)通識(shí)教程（微課版）數(shù)字文明與數(shù)字治理 
定 價(jià)：59.8 元 叢書(shū)名：大數(shù)據(jù)應(yīng)用人才能力培養(yǎng)新形態(tài)系列
9 7 6 8 1 7 9 1 1 1 1 5 2 
“文明”是人類(lèi)經(jīng)過(guò)教化后達(dá)到的一種狀態(tài)，代表著社會(huì)的進(jìn)步。自人類(lèi)社會(huì)發(fā)端以來(lái)，人類(lèi)文明就進(jìn)入了一個(gè)漫長(zhǎng)的演進(jìn)過(guò)程。從原始文明、農(nóng)業(yè)文明、工業(yè)文明到數(shù)字文明，每一次新文明的誕生都代表著文明形態(tài)的重塑和社會(huì)的變更。數(shù)字文明是一種基于大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、區(qū)塊鏈等新一代技術(shù)，以高科技為主要特征的文明，其核心是網(wǎng)絡(luò)化、信息化與智能化的深度融合。它在提高生產(chǎn)力水平、豐富物質(zhì)供給的同時(shí)，也塑造了一個(gè)全新的人類(lèi)文明形態(tài)。 “大數(shù)據(jù)導(dǎo)論”是一門(mén)知識(shí)性和應(yīng)用性都很強(qiáng)的課程。本書(shū)針對(duì)各專(zhuān)業(yè)大學(xué)生的大數(shù)據(jù)通識(shí)教育需求，系統(tǒng)、全面地介紹關(guān)于大數(shù)據(jù)技術(shù)及其應(yīng)用的基礎(chǔ)知識(shí)和技能，包括走進(jìn)數(shù)字文明、數(shù)字化轉(zhuǎn)型與數(shù)字經(jīng)濟(jì)、大數(shù)據(jù)思維變革、大數(shù)據(jù)商業(yè)規(guī)則、大數(shù)據(jù)促進(jìn)醫(yī)療與健康、大數(shù)據(jù)與城市大腦、大數(shù)據(jù)可視化、大數(shù)據(jù)預(yù)測(cè)分析、大數(shù)據(jù)處理與存儲(chǔ)、大數(shù)據(jù)與云計(jì)算、大數(shù)據(jù)與人工智能、大數(shù)據(jù)安全與法律、數(shù)據(jù)科學(xué)與職業(yè)技能以及大數(shù)據(jù)的未來(lái)等內(nèi)容，具有較強(qiáng)的可讀性和實(shí)用性。
【內(nèi)容特點(diǎn)】
（1）內(nèi)容全面，結(jié)構(gòu)合理：每章內(nèi)容分導(dǎo)讀案例、理論知識(shí)、應(yīng)用、習(xí)題各部分。
（2）取長(zhǎng)補(bǔ)短，講清原理：力圖在通俗易懂講解理論知識(shí)的基礎(chǔ)上，豐富實(shí)用性案例，清晰、全面地介紹大數(shù)據(jù)技術(shù)與應(yīng)用知識(shí)。
（3）視頻資源充足，助力教師豐富教學(xué)方式。
【資源特點(diǎn)】除了配套常規(guī)資源（如PPT、教學(xué)大綱、習(xí)題答案）外，還針對(duì)全書(shū)錄制教學(xué)視頻，協(xié)助解決當(dāng)前網(wǎng)課需求。
【服務(wù)特點(diǎn)】作者可以提供直播以及QQ服務(wù)群等支持。
史麒豪，浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)博士，學(xué)科博士后。長(zhǎng)期從事社交影響力傳播、圖傳播算法與博弈論研究，已在ICDE,AAAI,WWW,CIKM,ICDM 等相關(guān)國(guó)際頂級(jí)會(huì)議與KBS，ESWA，Neurocomputing等高水平SCI 期刊發(fā)表十余篇文章。同時(shí)長(zhǎng)期擔(dān)任AAAI，KDD，TNNLS，TKDE等國(guó)際會(huì)議與期刊的審稿人。主持和參與了多項(xiàng)國(guó)家級(jí)、省部級(jí)課題及企業(yè)、政府信息化項(xiàng)目。其中作為項(xiàng)目負(fù)責(zé)人，主持國(guó)家自然科學(xué)基金項(xiàng)目1項(xiàng)。作為課題骨干，參與獲2018 年浙江省科學(xué)技術(shù)一等獎(jiǎng)的省部級(jí)課題1項(xiàng)。 揚(yáng)武劍 男，副教授，浙大城市學(xué)院城市大腦研究院院長(zhǎng)助理，浙大城市學(xué)院城市數(shù)字治理創(chuàng)新班負(fù)責(zé)人。 主要從事城市數(shù)字治理、人工智能、電子商務(wù)等領(lǐng)域?qū)W術(shù)理論和關(guān)鍵技術(shù)研究，主持主參科研項(xiàng)目多項(xiàng)，其中國(guó)家級(jí)2項(xiàng)，省部級(jí)6項(xiàng)，重大橫向8項(xiàng)，發(fā)表SCI/EI收錄論文10多篇，科研成果獲浙江省科技進(jìn)步獎(jiǎng)三等獎(jiǎng)2項(xiàng)、華夏建設(shè)科學(xué)技術(shù)獎(jiǎng)三等獎(jiǎng)2項(xiàng)。主持教育部產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目2項(xiàng)、省級(jí)虛擬仿真實(shí)驗(yàn)教學(xué)項(xiàng)目1項(xiàng)，獲學(xué)校教學(xué)質(zhì)量獎(jiǎng)20多次。主編出版高等院校實(shí)踐類(lèi)教程《電子商務(wù)概論》和高等院�！笆濉币�(guī)劃教材《電子商務(wù)實(shí)務(wù)》
【導(dǎo)讀案例】“數(shù)字文明”到底是個(gè)什么文明？ 1
1.1 數(shù)字勞動(dòng)推動(dòng)數(shù)字文明 4
1.2 大數(shù)據(jù)時(shí)代 5
1.2.1 天文學(xué)——信息爆炸的起源 6
1.2.2 爆發(fā)式增長(zhǎng)的數(shù)據(jù)量 7
1.2.3 大數(shù)據(jù)的定義 9
1.2.4 用3V描述大數(shù)據(jù)特征 9
1.2.5 廣義的大數(shù)據(jù) 11
1.3 大數(shù)據(jù)結(jié)構(gòu)類(lèi)型 12
1.4 大數(shù)據(jù)的發(fā)展 13
1.4.1 硬件性?xún)r(jià)比提高與軟件技術(shù)進(jìn)步 13
1.4.2 云計(jì)算的普及 14
1.4.3 大數(shù)據(jù)作為BI的進(jìn)化形式 14
1.4.4 從交易數(shù)據(jù)到交互數(shù)據(jù) 15
【習(xí)題】 16
【導(dǎo)讀案例】數(shù)字文明如何作答四問(wèn)？ 19
2.1 什么是數(shù)字化 21
2.1.1 數(shù)字化的概念 21
2.1.2 從歷史發(fā)展看數(shù)字化 23
2.1.3 從技術(shù)層面看數(shù)字化 25
2.1.4 數(shù)字化的意義 26
2.2 數(shù)字化轉(zhuǎn)型 26
2.2.1 購(gòu)物流程的變化 27
2.2.2 信息化與數(shù)字化 27
2.2.3 數(shù)字化企業(yè)解決方案 28
2.3 數(shù)字孿生 29
2.3.1 數(shù)字孿生的原理 29
2.3.2 數(shù)據(jù)孿生基本組成 30
2.3.3 數(shù)字孿生的研究 31
2.3.4 數(shù)字孿生與數(shù)字生產(chǎn)線 31
2.4 數(shù)字經(jīng)濟(jì) 34
2.4.1 數(shù)字經(jīng)濟(jì)的概念 34
2.4.2 數(shù)字經(jīng)濟(jì)的要素 35
2.4.3 數(shù)字經(jīng)濟(jì)的研究 36
【習(xí)題】 37
【導(dǎo)讀案例】購(gòu)物網(wǎng)站的推薦系統(tǒng) 40
3.1 大數(shù)據(jù)思維 43
3.2 轉(zhuǎn)變之一：樣本=總體 44
3.2.1 小數(shù)據(jù)時(shí)代的隨機(jī)采樣 45
3.2.2 全數(shù)據(jù)模式：樣本=總體 47
3.3 轉(zhuǎn)變之二：接受數(shù)據(jù)的混雜性 48
3.3.1 允許不精確 48
3.3.2 大數(shù)據(jù)簡(jiǎn)單算法與小數(shù)據(jù)復(fù)雜算法 50
3.3.3 紛繁的數(shù)據(jù)越多越好 51
3.3.4 混雜性是標(biāo)準(zhǔn)途徑 52
3.4 轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系 53
3.4.1 關(guān)聯(lián)物，預(yù)測(cè)的關(guān)鍵 53
3.4.2 “是什么”，而不是“為什么” 55
3.4.3 通過(guò)因果關(guān)系了解世界 56
3.4.4 通過(guò)相關(guān)關(guān)系了解世界 57
【習(xí)題】 58
【導(dǎo)讀案例】準(zhǔn)確預(yù)測(cè)地震 59
4.1 大數(shù)據(jù)的跨界年度 60
4.1.1 商業(yè)動(dòng)機(jī)和驅(qū)動(dòng)力 61
4.1.2 企業(yè)的大數(shù)據(jù)行動(dòng) 62
4.1.3 數(shù)據(jù)驅(qū)動(dòng)的企業(yè)文化 63
4.2 將信息變成競(jìng)爭(zhēng)優(yōu)勢(shì) 65
4.2.1 數(shù)據(jù)價(jià)格下降而需求上升 66
4.2.2 大數(shù)據(jù)應(yīng)用程序興起 66
4.2.3 企業(yè)構(gòu)建大數(shù)據(jù)戰(zhàn)略 67
4.3 大數(shù)據(jù)營(yíng)銷(xiāo) 68
4.3.1 像媒體公司一樣思考 68
4.3.2 面對(duì)新的機(jī)遇與挑戰(zhàn) 69
4.3.3 自動(dòng)化營(yíng)銷(xiāo) 70
4.3.4 創(chuàng)建高容量和高價(jià)值內(nèi)容 71
4.3.5 用投資回報(bào)率評(píng)價(jià)營(yíng)銷(xiāo)效果 71
4.4 內(nèi)容創(chuàng)作與眾包 72
【習(xí)題】 73
【導(dǎo)讀案例】大數(shù)據(jù)變革公共衛(wèi)生 76
5.1 大數(shù)據(jù)與循證醫(yī)學(xué) 78
5.2 大數(shù)據(jù)帶來(lái)的醫(yī)療新突破 80
5.2.1 量化自我，關(guān)注個(gè)人健康 80
5.2.2 可穿戴的個(gè)人健康設(shè)備 81
5.2.3 大數(shù)據(jù)時(shí)代的醫(yī)療信息 83
5.2.4 CellMiner，對(duì)抗癌癥的新工具 84
5.3 醫(yī)療信息數(shù)字化 86
5.4 搜索：超級(jí)大數(shù)據(jù)的最佳伙伴 88
5.5 數(shù)據(jù)決策的崛起 89
5.5.1 數(shù)據(jù)輔助診斷 90
5.5.2 你考慮過(guò)……了嗎 90
5.5.3 大數(shù)據(jù)分析使數(shù)據(jù)決策崛起 92
【習(xí)題】 92
【導(dǎo)讀案例】城市大腦是這樣煉成的 95
6.1 智慧交通駛?cè)肟燔?chē)道 98
6.1.1 導(dǎo)航和感知更精準(zhǔn) 99
6.1.2 機(jī)場(chǎng)管理更精細(xì) 99
6.1.3 數(shù)字航道動(dòng)態(tài)監(jiān)測(cè) 100
6.1.4 創(chuàng)新驅(qū)動(dòng)賦能增效 101
6.2 城市大腦建設(shè) 102
6.2.1 對(duì)城市大腦的認(rèn)識(shí) 102
6.2.2 城市大腦產(chǎn)生根源和背景 103
6.2.3 城市大腦的未來(lái)目標(biāo) 104
6.2.4 城市大腦的重要性 105
6.3 大數(shù)據(jù)——智慧城市的“核心” 105
6.3.1 城市大腦與數(shù)據(jù)可視化 106
6.3.2 城市大腦與數(shù)據(jù)共享 106
6.3.3 大數(shù)據(jù)驅(qū)動(dòng)城市大腦 106
6.4 城市大數(shù)據(jù)治理 107
6.4.1 數(shù)據(jù)治理內(nèi)容 107
6.4.2 數(shù)據(jù)治理類(lèi)型 108
6.4.3 元數(shù)據(jù)管理 110
6.4.4 數(shù)據(jù)治理方案 111
6.4.5 數(shù)據(jù)治理模型 112
6.4.6 數(shù)據(jù)治理工具 113
【習(xí)題】 113
【導(dǎo)讀案例】南丁格爾“極區(qū)圖” 116
7.1 數(shù)據(jù)與可視化 118
7.1.1 數(shù)據(jù)的可變性 118
7.1.2 數(shù)據(jù)的不確定性 120
7.1.3 數(shù)據(jù)的背景信息 120
7.1.4 打造最好的可視化效果 122
7.2 數(shù)據(jù)與圖形 122
7.2.1 數(shù)據(jù)與走勢(shì) 123
7.2.2 視覺(jué)信息的科學(xué)解釋 124
7.3 視覺(jué)分析 125
7.3.1 熱點(diǎn)圖 125
7.3.2 時(shí)間序列圖 126
7.3.3 網(wǎng)絡(luò)圖 126
7.3.4 空間數(shù)據(jù)制圖 127
7.4 實(shí)時(shí)可視化 128
7.5 數(shù)據(jù)可視化的運(yùn)用 128
【作 業(yè)】 130
【導(dǎo)讀案例】葡萄酒的品質(zhì) 133
8.1 什么是預(yù)測(cè)分析 137
8.1 1 預(yù)測(cè)分析的作用 138
8.1.2 數(shù)據(jù)具有內(nèi)在預(yù)測(cè)性 140
8.1.3 定量分析與定性分析 140
8.2 統(tǒng)計(jì)分析 141
8.2.1 A/B測(cè)試 141
8.2.2 相關(guān)性分析 142
8.2.3 回歸性分析 143
8.3 數(shù)據(jù)挖掘 144
8.4 大數(shù)據(jù)分析生命周期 145
8.4.1 商業(yè)案例評(píng)估 145
8.4.2 數(shù)據(jù)標(biāo)識(shí) 146
8.4.3 數(shù)據(jù)獲取與過(guò)濾 147
8.4.4 數(shù)據(jù)提取 147
8.4.5 數(shù)據(jù)驗(yàn)證與清理 148
8.4.6 數(shù)據(jù)聚合與表示 149
8.4.7 數(shù)據(jù)分析 150
8.4.8 數(shù)據(jù)可視化 150
8.4.9 分析結(jié)果的使用 151
【習(xí)題】 151
【導(dǎo)讀案例】什么是開(kāi)源？ 154
9.1 開(kāi)源技術(shù)商業(yè)支援 156
9.2 Hadoop基礎(chǔ) 157
9.2.1 Hadoop的由來(lái) 157
9.2.2 Hadoop的優(yōu)勢(shì) 158
9.3 分布式處理 159
9.3.1 分布式系統(tǒng) 159
9.3.2 分布式文件系統(tǒng) 160
9.3.3 并行與分布式數(shù)據(jù)處理 160
9.3.4 分布式存儲(chǔ) 161
9.4 NoSQL數(shù)據(jù)庫(kù) 161
9.4.1 主要特征 162
9.4.2 鍵-值存儲(chǔ) 164
9.4.3 文檔存儲(chǔ) 165
9.4.4 列簇存儲(chǔ) 166
9.4.5 圖存儲(chǔ) 167
9.4.6 與RDBMS的主要區(qū)別 168
9.5 NewSQL數(shù)據(jù)庫(kù) 169
【習(xí)題】 170
【導(dǎo)讀案例】數(shù)字經(jīng)濟(jì)時(shí)代云發(fā)展趨勢(shì) 173
10.1 與數(shù)字化相關(guān)的技術(shù) 175
10.2 云計(jì)算概述 177
10.2.1 云計(jì)算定義 177
10.2.2 云基礎(chǔ)設(shè)施 179
10.3 計(jì)算虛擬化 180
10.4 網(wǎng)絡(luò)虛擬化 181
10.4.1 網(wǎng)卡虛擬化 181
10.4.2 虛擬交換機(jī) 182
10.4.3 接入層虛擬化 182
10.4.4 覆蓋網(wǎng)絡(luò)虛擬化 183
10.4.5 軟件定義網(wǎng)絡(luò)（SDN） 183
10.5 存儲(chǔ)虛擬化 184
10.6 云計(jì)算服務(wù)形式 185
10.6.1 云計(jì)算的服務(wù)層次 185
10.6.2 大數(shù)據(jù)與云相輔相成 186
10.6.3 云的挑戰(zhàn) 187
10.7 大數(shù)據(jù)與云計(jì)算 187
【習(xí)題】 188
【導(dǎo)讀案例】大數(shù)據(jù)與人工智能的關(guān)系 191
11.1 人工智能概述 192
11.2 機(jī)器學(xué)習(xí)基礎(chǔ) 193
11.2.1 機(jī)器學(xué)習(xí)的定義 194
11.2.2 基本結(jié)構(gòu) 195
11.2.3 研究領(lǐng)域 196
11.3 機(jī)器學(xué)習(xí)分類(lèi) 196
11.3.1 基于學(xué)習(xí)策略分類(lèi) 196
11.3.2 基于知識(shí)表示形式分類(lèi) 197
11.3.3 按應(yīng)用領(lǐng)域分類(lèi) 198
11.3.4 按學(xué)習(xí)形式分類(lèi) 198
11.4 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 201
11.4.1 人工神經(jīng)網(wǎng)絡(luò)的特征 201
11.4.2 深度學(xué)習(xí)的意義 202
11.4.3 深度學(xué)習(xí)的方法 203
11.4.4 深度學(xué)習(xí)的實(shí)現(xiàn) 205
11.5 機(jī)器學(xué)習(xí)與深度學(xué)習(xí) 207
【習(xí)題】 208
【導(dǎo)讀案例】中國(guó)《個(gè)人信息保護(hù)法》施行 211
12.1 大數(shù)據(jù)的安全問(wèn)題 213
12.1.1 采集匯聚安全 213
12.1.2 存儲(chǔ)處理安全 214
12.1.3 共享使用安全 215
12.2 大數(shù)據(jù)的管理維度 216
12.3 大數(shù)據(jù)的安全體系 216
12.3.1 安全技術(shù)體系 217
12.3.2 大數(shù)據(jù)安全治理 218
12.3.3 大數(shù)據(jù)安全測(cè)評(píng) 218
12.3.4 大數(shù)據(jù)安全運(yùn)維 218
12.3.5 以數(shù)據(jù)為中心的安全要素 219
12.4 大數(shù)據(jù)倫理與法規(guī) 220
12.4.1 大數(shù)據(jù)的倫理問(wèn)題 220
12.4.2 大數(shù)據(jù)的倫理規(guī)則 221
12.4.3 數(shù)據(jù)安全法施行 222
【習(xí)題】 223
【導(dǎo)讀案例】得數(shù)據(jù)者得天下 226
13.1 計(jì)算思維 229
13.1.1 計(jì)算思維的概念 229
13.1.2 計(jì)算思維的作用 230
13.1.3 計(jì)算思維的特點(diǎn) 232
13.2 數(shù)據(jù)工程師的社會(huì)責(zé)任 233
13.2.1 職業(yè)化和道德責(zé)任 233
13.2.2 ACM職業(yè)道德責(zé)任 234
13.2.3 軟件工程師道德基礎(chǔ) 235
13.3 數(shù)據(jù)科學(xué)與職業(yè)技能 236
13.3.1 數(shù)據(jù)科學(xué)重要技能 236
13.3.2 重要數(shù)據(jù)科學(xué)技能 237
13.3.3 技能因職業(yè)角色而異 238
13.3.4 大數(shù)據(jù)生態(tài)系統(tǒng)關(guān)鍵角色 240
【習(xí)題】 241
【導(dǎo)讀案例】加快建立完善數(shù)據(jù)產(chǎn)權(quán)制度 244
14.1 連接開(kāi)放數(shù)據(jù) 245
14.1.1 LOD運(yùn)動(dòng) 246
14.1.2 利用開(kāi)放數(shù)據(jù)的創(chuàng)業(yè)型公司 247
14.2 大數(shù)據(jù)資產(chǎn)的崛起 248
14.2.1 數(shù)據(jù)市場(chǎng)的興起 248
14.2.2 不同的商業(yè)模式 248
14.2.3 將原創(chuàng)數(shù)據(jù)變?yōu)樵鲋禂?shù)據(jù) 249
14.2.4 大數(shù)據(jù)催生新的應(yīng)用程序 249
14.2.5 在大數(shù)據(jù)“空白”中提取最大價(jià)值 250
14.3 大數(shù)據(jù)發(fā)展趨勢(shì) 250
14.3.1 信息領(lǐng)域的突破性發(fā)展 251
14.3.2 未來(lái)發(fā)展趨勢(shì)的專(zhuān)家預(yù)測(cè) 252
14.4 大數(shù)據(jù)技術(shù)展望 254
14.4.1 數(shù)據(jù)管理仍然很難 254
14.4.2 數(shù)據(jù)孤島繼續(xù)激增 254
14.4.3 流媒體分析的突破 255
14.4.4 技術(shù)發(fā)展帶來(lái)技能轉(zhuǎn)變 255
14.4.5 “快速數(shù)據(jù)”和“可操作數(shù)據(jù)” 256
14.4.6 預(yù)測(cè)分析將數(shù)據(jù)轉(zhuǎn)化為預(yù)測(cè) 256
【習(xí)題】 257
【導(dǎo)讀案例】“數(shù)字文明”到底是個(gè)什么文明？ 1
1.1 數(shù)字勞動(dòng)推動(dòng)數(shù)字文明 4
1.2 大數(shù)據(jù)時(shí)代 5
1.2.1 天文學(xué)——信息爆炸的起源 6
1.2.2 爆發(fā)式增長(zhǎng)的數(shù)據(jù)量 7
1.2.3 大數(shù)據(jù)的定義 9
1.2.4 用3V描述大數(shù)據(jù)特征 9
1.2.5 廣義的大數(shù)據(jù) 11
1.3 大數(shù)據(jù)結(jié)構(gòu)類(lèi)型 12
1.4 大數(shù)據(jù)的發(fā)展 13
1.4.1 硬件性?xún)r(jià)比提高與軟件技術(shù)進(jìn)步 13
1.4.2 云計(jì)算的普及 14
1.4.3 大數(shù)據(jù)作為BI的進(jìn)化形式 14
1.4.4 從交易數(shù)據(jù)到交互數(shù)據(jù) 15
【習(xí)題】 16
【導(dǎo)讀案例】數(shù)字文明如何作答四問(wèn)？ 19
2.1 什么是數(shù)字化 21
2.1.1 數(shù)字化的概念 21
2.1.2 從歷史發(fā)展看數(shù)字化 23
2.1.3 從技術(shù)層面看數(shù)字化 25
2.1.4 數(shù)字化的意義 26
2.2 數(shù)字化轉(zhuǎn)型 26
2.2.1 購(gòu)物流程的變化 27
2.2.2 信息化與數(shù)字化 27
2.2.3 數(shù)字化企業(yè)解決方案 28
2.3 數(shù)字孿生 29
2.3.1 數(shù)字孿生的原理 29
2.3.2 數(shù)據(jù)孿生基本組成 30
2.3.3 數(shù)字孿生的研究 31
2.3.4 數(shù)字孿生與數(shù)字生產(chǎn)線 31
2.4 數(shù)字經(jīng)濟(jì) 34
2.4.1 數(shù)字經(jīng)濟(jì)的概念 34
2.4.2 數(shù)字經(jīng)濟(jì)的要素 35
2.4.3 數(shù)字經(jīng)濟(jì)的研究 36
【習(xí)題】 37
【導(dǎo)讀案例】購(gòu)物網(wǎng)站的推薦系統(tǒng) 40
3.1 大數(shù)據(jù)思維 43
3.2 轉(zhuǎn)變之一：樣本=總體 44
3.2.1 小數(shù)據(jù)時(shí)代的隨機(jī)采樣 45
3.2.2 全數(shù)據(jù)模式：樣本=總體 47
3.3 轉(zhuǎn)變之二：接受數(shù)據(jù)的混雜性 48
3.3.1 允許不精確 48
3.3.2 大數(shù)據(jù)簡(jiǎn)單算法與小數(shù)據(jù)復(fù)雜算法 50
3.3.3 紛繁的數(shù)據(jù)越多越好 51
3.3.4 混雜性是標(biāo)準(zhǔn)途徑 52
3.4 轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)關(guān)系 53
3.4.1 關(guān)聯(lián)物，預(yù)測(cè)的關(guān)鍵 53
3.4.2 “是什么”，而不是“為什么” 55
3.4.3 通過(guò)因果關(guān)系了解世界 56
3.4.4 通過(guò)相關(guān)關(guān)系了解世界 57
【習(xí)題】 58
【導(dǎo)讀案例】準(zhǔn)確預(yù)測(cè)地震 59
4.1 大數(shù)據(jù)的跨界年度 60
4.1.1 商業(yè)動(dòng)機(jī)和驅(qū)動(dòng)力 61
4.1.2 企業(yè)的大數(shù)據(jù)行動(dòng) 62
4.1.3 數(shù)據(jù)驅(qū)動(dòng)的企業(yè)文化 63
4.2 將信息變成競(jìng)爭(zhēng)優(yōu)勢(shì) 65
4.2.1 數(shù)據(jù)價(jià)格下降而需求上升 66
4.2.2 大數(shù)據(jù)應(yīng)用程序興起 66
4.2.3 企業(yè)構(gòu)建大數(shù)據(jù)戰(zhàn)略 67
4.3 大數(shù)據(jù)營(yíng)銷(xiāo) 68
4.3.1 像媒體公司一樣思考 68
4.3.2 面對(duì)新的機(jī)遇與挑戰(zhàn) 69
4.3.3 自動(dòng)化營(yíng)銷(xiāo) 70
4.3.4 創(chuàng)建高容量和高價(jià)值內(nèi)容 71
4.3.5 用投資回報(bào)率評(píng)價(jià)營(yíng)銷(xiāo)效果 71
4.4 內(nèi)容創(chuàng)作與眾包 72
【習(xí)題】 73
【導(dǎo)讀案例】大數(shù)據(jù)變革公共衛(wèi)生 76
5.1 大數(shù)據(jù)與循證醫(yī)學(xué) 78
5.2 大數(shù)據(jù)帶來(lái)的醫(yī)療新突破 80
5.2.1 量化自我，關(guān)注個(gè)人健康 80
5.2.2 可穿戴的個(gè)人健康設(shè)備 81
5.2.3 大數(shù)據(jù)時(shí)代的醫(yī)療信息 83
5.2.4 CellMiner，對(duì)抗癌癥的新工具 84
5.3 醫(yī)療信息數(shù)字化 86
5.4 搜索：超級(jí)大數(shù)據(jù)的最佳伙伴 88
5.5 數(shù)據(jù)決策的崛起 89
5.5.1 數(shù)據(jù)輔助診斷 90
5.5.2 你考慮過(guò)……了嗎 90
5.5.3 大數(shù)據(jù)分析使數(shù)據(jù)決策崛起 92
【習(xí)題】 92
【導(dǎo)讀案例】城市大腦是這樣煉成的 95
6.1 智慧交通駛?cè)肟燔?chē)道 98
6.1.1 導(dǎo)航和感知更精準(zhǔn) 99
6.1.2 機(jī)場(chǎng)管理更精細(xì) 99
6.1.3 數(shù)字航道動(dòng)態(tài)監(jiān)測(cè) 100
6.1.4 創(chuàng)新驅(qū)動(dòng)賦能增效 101
6.2 城市大腦建設(shè) 102
6.2.1 對(duì)城市大腦的認(rèn)識(shí) 102
6.2.2 城市大腦產(chǎn)生根源和背景 103
6.2.3 城市大腦的未來(lái)目標(biāo) 104
6.2.4 城市大腦的重要性 105
6.3 大數(shù)據(jù)——智慧城市的“核心” 105
6.3.1 城市大腦與數(shù)據(jù)可視化 106
6.3.2 城市大腦與數(shù)據(jù)共享 106
6.3.3 大數(shù)據(jù)驅(qū)動(dòng)城市大腦 106
6.4 城市大數(shù)據(jù)治理 107
6.4.1 數(shù)據(jù)治理內(nèi)容 107
6.4.2 數(shù)據(jù)治理類(lèi)型 108
6.4.3 元數(shù)據(jù)管理 110
6.4.4 數(shù)據(jù)治理方案 111
6.4.5 數(shù)據(jù)治理模型 112
6.4.6 數(shù)據(jù)治理工具 113
【習(xí)題】 113
【導(dǎo)讀案例】南丁格爾“極區(qū)圖” 116
7.1 數(shù)據(jù)與可視化 118
7.1.1 數(shù)據(jù)的可變性 118
7.1.2 數(shù)據(jù)的不確定性 120
7.1.3 數(shù)據(jù)的背景信息 120
7.1.4 打造最好的可視化效果 122
7.2 數(shù)據(jù)與圖形 122
7.2.1 數(shù)據(jù)與走勢(shì) 123
7.2.2 視覺(jué)信息的科學(xué)解釋 124
7.3 視覺(jué)分析 125
7.3.1 熱點(diǎn)圖 125
7.3.2 時(shí)間序列圖 126
7.3.3 網(wǎng)絡(luò)圖 126
7.3.4 空間數(shù)據(jù)制圖 127
7.4 實(shí)時(shí)可視化 128
7.5 數(shù)據(jù)可視化的運(yùn)用 128
【作 業(yè)】 130
【導(dǎo)讀案例】葡萄酒的品質(zhì) 133
8.1 什么是預(yù)測(cè)分析 137
8.1 1 預(yù)測(cè)分析的作用 138
8.1.2 數(shù)據(jù)具有內(nèi)在預(yù)測(cè)性 140
8.1.3 定量分析與定性分析 140
8.2 統(tǒng)計(jì)分析 141
8.2.1 A/B測(cè)試 141
8.2.2 相關(guān)性分析 142
8.2.3 回歸性分析 143
8.3 數(shù)據(jù)挖掘 144
8.4 大數(shù)據(jù)分析生命周期 145
8.4.1 商業(yè)案例評(píng)估 145
8.4.2 數(shù)據(jù)標(biāo)識(shí) 146
8.4.3 數(shù)據(jù)獲取與過(guò)濾 147
8.4.4 數(shù)據(jù)提取 147
8.4.5 數(shù)據(jù)驗(yàn)證與清理 148
8.4.6 數(shù)據(jù)聚合與表示 149
8.4.7 數(shù)據(jù)分析 150
8.4.8 數(shù)據(jù)可視化 150
8.4.9 分析結(jié)果的使用 151
【習(xí)題】 151
【導(dǎo)讀案例】什么是開(kāi)源？ 154
9.1 開(kāi)源技術(shù)商業(yè)支援 156
9.2 Hadoop基礎(chǔ) 157
9.2.1 Hadoop的由來(lái) 157
9.2.2 Hadoop的優(yōu)勢(shì) 158
9.3 分布式處理 159
9.3.1 分布式系統(tǒng) 159
9.3.2 分布式文件系統(tǒng) 160
9.3.3 并行與分布式數(shù)據(jù)處理 160
9.3.4 分布式存儲(chǔ) 161
9.4 NoSQL數(shù)據(jù)庫(kù) 161
9.4.1 主要特征 162
9.4.2 鍵-值存儲(chǔ) 164
9.4.3 文檔存儲(chǔ) 165
9.4.4 列簇存儲(chǔ) 166
9.4.5 圖存儲(chǔ) 167
9.4.6 與RDBMS的主要區(qū)別 168
9.5 NewSQL數(shù)據(jù)庫(kù) 169
【習(xí)題】 170
【導(dǎo)讀案例】數(shù)字經(jīng)濟(jì)時(shí)代云發(fā)展趨勢(shì) 173
10.1 與數(shù)字化相關(guān)的技術(shù) 175
10.2 云計(jì)算概述 177
10.2.1 云計(jì)算定義 177
10.2.2 云基礎(chǔ)設(shè)施 179
10.3 計(jì)算虛擬化 180
10.4 網(wǎng)絡(luò)虛擬化 181
10.4.1 網(wǎng)卡虛擬化 181
10.4.2 虛擬交換機(jī) 182
10.4.3 接入層虛擬化 182
10.4.4 覆蓋網(wǎng)絡(luò)虛擬化 183
10.4.5 軟件定義網(wǎng)絡(luò)（SDN） 183
10.5 存儲(chǔ)虛擬化 184
10.6 云計(jì)算服務(wù)形式 185
10.6.1 云計(jì)算的服務(wù)層次 185
10.6.2 大數(shù)據(jù)與云相輔相成 186
10.6.3 云的挑戰(zhàn) 187
10.7 大數(shù)據(jù)與云計(jì)算 187
【習(xí)題】 188
【導(dǎo)讀案例】大數(shù)據(jù)與人工智能的關(guān)系 191
11.1 人工智能概述 192
11.2 機(jī)器學(xué)習(xí)基礎(chǔ) 193
11.2.1 機(jī)器學(xué)習(xí)的定義 194
11.2.2 基本結(jié)構(gòu) 195
11.2.3 研究領(lǐng)域 196
11.3 機(jī)器學(xué)習(xí)分類(lèi) 196
11.3.1 基于學(xué)習(xí)策略分類(lèi) 196
11.3.2 基于知識(shí)表示形式分類(lèi) 197
11.3.3 按應(yīng)用領(lǐng)域分類(lèi) 198
11.3.4 按學(xué)習(xí)形式分類(lèi) 198
11.4 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 201
11.4.1 人工神經(jīng)網(wǎng)絡(luò)的特征 201
11.4.2 深度學(xué)習(xí)的意義 202
11.4.3 深度學(xué)習(xí)的方法 203
11.4.4 深度學(xué)習(xí)的實(shí)現(xiàn) 205
11.5 機(jī)器學(xué)習(xí)與深度學(xué)習(xí) 207
【習(xí)題】 208
【導(dǎo)讀案例】中國(guó)《個(gè)人信息保護(hù)法》施行 211
12.1 大數(shù)據(jù)的安全問(wèn)題 213
12.1.1 采集匯聚安全 213
12.1.2 存儲(chǔ)處理安全 214
12.1.3 共享使用安全 215
12.2 大數(shù)據(jù)的管理維度 216
12.3 大數(shù)據(jù)的安全體系 216
12.3.1 安全技術(shù)體系 217
12.3.2 大數(shù)據(jù)安全治理 218
12.3.3 大數(shù)據(jù)安全測(cè)評(píng) 218
12.3.4 大數(shù)據(jù)安全運(yùn)維 218
12.3.5 以數(shù)據(jù)為中心的安全要素 219
12.4 大數(shù)據(jù)倫理與法規(guī) 220
12.4.1 大數(shù)據(jù)的倫理問(wèn)題 220
12.4.2 大數(shù)據(jù)的倫理規(guī)則 221
12.4.3 數(shù)據(jù)安全法施行 222
【習(xí)題】 223
【導(dǎo)讀案例】得數(shù)據(jù)者得天下 226
13.1 計(jì)算思維 229
13.1.1 計(jì)算思維的概念 229
13.1.2 計(jì)算思維的作用 230
13.1.3 計(jì)算思維的特點(diǎn) 232
13.2 數(shù)據(jù)工程師的社會(huì)責(zé)任 233
13.2.1 職業(yè)化和道德責(zé)任 233
13.2.2 ACM職業(yè)道德責(zé)任 234
13.2.3 軟件工程師道德基礎(chǔ) 235
13.3 數(shù)據(jù)科學(xué)與職業(yè)技能 236
13.3.1 數(shù)據(jù)科學(xué)重要技能 236
13.3.2 重要數(shù)據(jù)科學(xué)技能 237
13.3.3 技能因職業(yè)角色而異 238
13.3.4 大數(shù)據(jù)生態(tài)系統(tǒng)關(guān)鍵角色 240
【習(xí)題】 241
【導(dǎo)讀案例】加快建立完善數(shù)據(jù)產(chǎn)權(quán)制度 244
14.1 連接開(kāi)放數(shù)據(jù) 245
14.1.1 LOD運(yùn)動(dòng) 246
14.1.2 利用開(kāi)放數(shù)據(jù)的創(chuàng)業(yè)型公司 247
14.2 大數(shù)據(jù)資產(chǎn)的崛起 248
14.2.1 數(shù)據(jù)市場(chǎng)的興起 248
14.2.2 不同的商業(yè)模式 248
14.2.3 將原創(chuàng)數(shù)據(jù)變?yōu)樵鲋禂?shù)據(jù) 249
14.2.4 大數(shù)據(jù)催生新的應(yīng)用程序 249
14.2.5 在大數(shù)據(jù)“空白”中提取最大價(jià)值 250
14.3 大數(shù)據(jù)發(fā)展趨勢(shì) 250
14.3.1 信息領(lǐng)域的突破性發(fā)展 251
14.3.2 未來(lái)發(fā)展趨勢(shì)的專(zhuān)家預(yù)測(cè) 252
14.4 大數(shù)據(jù)技術(shù)展望 254
14.4.1 數(shù)據(jù)管理仍然很難 254
14.4.2 數(shù)據(jù)孤島繼續(xù)激增 254
14.4.3 流媒體分析的突破 255
14.4.4 技術(shù)發(fā)展帶來(lái)技能轉(zhuǎn)變 255
14.4.5 “快速數(shù)據(jù)”和“可操作數(shù)據(jù)” 256
14.4.6 預(yù)測(cè)分析將數(shù)據(jù)轉(zhuǎn)化為預(yù)測(cè) 256
【習(xí)題】 257
你還可能感興趣
我要評(píng)論
|
