本书将围绕大数据技术的基本原理与实践,介绍了大数据获取、存储、分析、数据挖掘和机器学习。内容涵盖以下主题:Hadoop、Mapreduce、关联规则、大规模监督机器学习、数据流、集群、NoSQL系统(Pig、Hive),以及包括**系统、Web和**性的应用程序。 第1章**阐述了大数据驱动的商业模式、技术生态体系,大数据的类型、特点、获取技术。第2章概要介绍了大数据的软硬件架构,包括大数据技术基础与软硬件设施、大数据存储与管理技术、大数据的分布式处理技术平台等,包括MapReduce编程框架原理、Spark结构与原理、基于Storm的大规模数据流的分布式处理技术等。第3章介绍了Python编程基础,包括基本数据类型、基本控制流程、Numpy、Scipy、Pandas等。第4章介绍了大数据分析技术,包括基于MapReduce基础编程、文本大数据分析与处理技术、大数据关联分析、相似项的发现、基于大数据的**系统、基于大数据的图与网络分析、大数据聚类分析、时空大数据分析、非结构化大数据分析与处理、基于Storm的流数据分析技术等。第5章介绍了基于SparkMLlib/Mahout的大数据机

第1章大数据技术概览(1) 1.1大数据驱动的世界(1) 1.2数据的类型(7) 1.3大数据的特点(8) 1.4大数据的获取技术(9) 1.5大数据实战:网络爬虫抓取京东商品评论大数据(10) 本章小结(12) 习题(13) 第2章大数据的软硬件架构(14) 2.1大数据技术基础与软硬件设施概述(14) 2.2大数据存储与管理技术(17) 2.3大数据的分布式处理技术平台(24) 本章小结(38) 习题(39) 第3章Python编程基础(40) 3.1基本数据类型(40) 3.2基本控制流程(50) 3.3Numpy、Scipy和Pandas(54) 3.4Matplotlib软件包(63) 本章小结(67) 习题(67) 第4章大数据分析技术(68) 4.1MapReduce 基础编程(68) 4.2文本大数���分析与处理技术(78) 4.3大数据关联分析(81) 4.4相似项的发现(83) 4.5基于大数据的**系统(87) 4.6基于大数据的图与网络分析(91) 4.7大数据聚类分析(98) 4.8时空大数据分析(106) 4.9非结构化大数据分析与处理(112) 4.10基于Storm的流数据分析技术(117) 习题(126) 第5章基于Spark MLlib/Mahout的大数据机器学习(128) 5.1机器学习基础(128) 5.2典型机器学习问题(129) 5.3机器学习评价方法(136) 5.4并行机器学习算法(139) 5.5利用MLlib解决大数据并行分类问题实践(141) 5.6利用Mahout解决大数据**优化问题实践(144) 本章小结(147) 习题(147) 第6章基于大数据的深度学习技术与应用(149) 6.1深度学习基本原理(149) 6.2深度学习典型应用(151) 6.3Keras基础入门(156) 6.4应用案例(158) 本章小结(165) 习题(165) 第7章带代码、数据的案例研究(167) 7.1材料大数据材料热导率预测(167) 7.2旅游大数据分析(177) 7.3交通大数据分析(186) 7.4工业大数据分析(191) 7.5产品创新大数据分析(215) 习题(222) 参考文献(223)