14611581

1 (p1): 第1章 大数据导论
1 (p1-1): 1.1大数据的产生
3 (p1-1-1): 1.1.1天文学——信息爆炸的起源
4 (p1-1-2): 1.1.2大数据产生的背景
9 (p1-2): 1.2大数据与可视化
9 (p1-2-1): 1.2.1数据可视化的概念和意义
11 (p1-2-2): 1.2.2打造最好的可视化效果
12 (p1-2-3): 1.2.3数据可视化的运用
13 (p1-3): 1.3人工智能和大数据的关系
22 (p1-4): 1.4大数据的相关技术
22 (p1-4-1): 1.4.1数据挖掘
26 (p1-4-2): 1.4.2机器学习
29 (p1-4-3): 1.4.3神经网络
37 (p2): 第2章 大数据概述
37 (p2-1): 2.1数据处理与大数据
38 (p2-1-1): 2.1.1古典数据处理案例
39 (p2-1-2): 2.1.2现代数据处理案例
40 (p2-2): 2.2什么是大数据
41 (p2-3): 2.3大数据工作流程
42 (p2-3-1): 2.3.1数据收集
43 (p2-3-2): 2.3.2数据处理
45 (p2-3-3): 2.3.3知识生成
46 (p2-3-4): 2.3.4数据存储
47 (p2-4): 2.4大数据来源
48 (p2-4-1): 2.4.1互联网以及线上金融数据
49 (p2-4-2): 2.4.2社交平台数据
51 (p2-4-3): 2.4.3传感器数据
52 (p2-4-4): 2.4.4企业管理数据
52 (p2-5): 2.5大数据特征
53 (p2-5-1): 2.5.1大数据的基本特征：3V
55 (p2-5-2): 2.5.2大数据新增特征：4V
56 (p2-5-3): 2.5.3 IBM对于大数据的解读：5V
58 (p2-6): 2.6大数据基本架构设计原理
63 (p3): 第3章 大数据相关开发语言
64 (p3-1): 3.1 Python语言
64 (p3-1-1): 3.1.1 Python的历史
65 (p3-1-2): 3.1.2 Python的特点
66 (p3-1-3): 3.1.3 Python的版本与区别
68 (p3-1-4): 3.1.4 Python的安装步骤
70 (p3-1-5): 3.1.5 Python的基本用法
74 (p3-1-6): 3.1.6 Python的常用库
76 (p3-1-7): 3.1.7 Python实际运用案例
81 (p3-1-8): 3.1.8 Python金融数据分析实例
84 (p3-2): 3.2 R语言
84 (p3-2-1): 3.2.1 R语言简介
85 (p3-2-2): 3.2.2 R语言的特性
86 (p3-2-3): 3.2.3 R语言的安装
87 (p3-2-4): 3.2.4 R语言工具库的加载
88 (p3-2-5): 3.2.5 R语言实际运用案例
91 (p3-3): 3.3分布式计算框架
92 (p3-3-1): 3.3.1大数据所带来的挑战
92 (p3-3-2): 3.3.2 Hadoop概述
93 (p3-3-3): 3.3.3 Hadoop的发展历史
95 (p3-3-4): 3.3.4 Hadoop框架组件
99 (p4): 第4章 大数据的相关技术
99 (p4-1): 4.1云计算
99 (p4-1-1): 4.1.1什么是云计算
100 (p4-1-2): 4.1.2云计算的服务层面
101 (p4-2): 4.2人工智能
104 (p4-3): 4.3机器学习
105 (p4-3-1): 4.3.1机器学习的原因
106 (p4-3-2): 4.3.2机器学习的定义
107 (p4-3-3): 4.3.3机器学习算法的分类
109 (p4-3-4): 4.3.4机器学习问题领域
110 (p4-3-5): 4.3.5机器学习的一般步骤
113 (p4-3-6): 4.3.6模型评价指标
116 (p4-3-7): 4.3.7现实中的分类问题以及KNN算法
118 (p4-3-8): 4.3.8机器学习实例
124 (p4-4): 4.4神经网络和深度学习
124 (p4-4-1): 4.4.1神经网络
128 (p4-4-2): 4.4.2深度学习
133 (p4-5): 4.5大数据可视化工具
134 (p4-5-1): 4.5.1 Matplotlib
136 (p4-5-2): 4.5.2 Excel
148 (p4-5-3): 4.5.3百度ECharts
149 (p4-5-4): 4.5.4 Tableau
151 (p5): 第5章…