大数据分析应用与实践指南.docVIP

大数据分析应用与实践指南

TOC\o1-2\h\u2570第1章大数据基础概念 4

197561.1数据的多样性 4

195411.2大数据的定义与特征 4

175691.3大数据的发展历程与趋势 4

19476第2章大数据处理技术 4

122022.1数据采集与存储 4

302852.2数据预处理技术 4

288322.3分布式计算框架 4

28572第3章数据挖掘与机器学习基础 4

242523.1数据挖掘的基本概念 4

274793.2机器学习的主要算法 4

74283.3模型评估与优化 4

4396第4章数据可视化与展现 4

107744.1数据可视化基本原理 4

31724.2常见数据可视化工具 5

304074.3可视化设计原则与实践 5

31332第5章大数据分析应用领域 5

8115.1互联网与电子商务 5

230875.2金融行业应用 5

155005.3医疗健康领域 5

27885第6章用户行为分析与推荐系统 5

277266.1用户行为数据采集 5

142846.2用户行为分析模型 5

181436.3推荐系统构建与优化 5

6575第7章文本挖掘与情感分析 5

253677.1文本预处理与分词 5

152367.2文本挖掘技术 5

260457.3情感分析应用与实践 5

6212第8章时空数据分析与挖掘 5

189538.1时空数据的特点与处理方法 5

4808.2时空数据分析技术 5

141678.3基于位置的服务应用 5

29356第9章图像识别与视频分析 5

54899.1计算机视觉基础 5

140849.2图像识别技术 5

235719.3视频分析与内容理解 5

6466第10章大数据安全与隐私保护 5

1627310.1大数据安全威胁与挑战 5

1900610.2数据加密与安全存储 5

1122010.3隐私保护技术与应用 5

21230第11章大数据分析平台与工具 5

1843011.1Hadoop生态系统 5

3273511.2Spark计算框架 5

2060311.3其他大数据分析工具 6

32157第12章大数据案例分析与实践 6

1696712.1金融行业案例 6

2183412.2互联网行业案例 6

2705412.3智能制造与物联网案例 6

1303812.4与公共服务案例 6

14295第1章大数据基础概念 6

274661.1数据的多样性 6

76401.2大数据的定义与特征 6

95181.3大数据的发展历程与趋势 7

24861第2章大数据处理技术 7

273052.1数据采集与存储 7

154722.1.1数据采集 7

185672.1.2数据存储 8

312102.2数据预处理技术 8

58862.2.1数据清洗 8

218872.2.2数据转换 8

72842.3分布式计算框架 8

13594第3章数据挖掘与机器学习基础 9

9663.1数据挖掘的基本概念 9

272283.2机器学习的主要算法 9

106163.3模型评估与优化 9

4982第4章数据可视化与展现 10

81184.1数据可视化基本原理 10

70984.2常见数据可视化工具 10

18084.3可视化设计原则与实践 11

8665第5章大数据分析应用领域 11

26405.1互联网与电子商务 11

309495.1.1用户行为分析 11

322305.1.2精准营销 12

252345.1.3个性化推荐 12

265495.1.4网络安全 12

215775.2金融行业应用 12

67275.2.1风险管理 12

261225.2.2信用评估 12

99145.2.3智能投顾 12

166925.2.4保险理赔 12

171115.3医疗健康领域 12

221835.3.1疾病预测与预防 12

279655.3.2精准医疗 12

79015.3.3药物研发 13

101165.3.4医疗资源优化 13

31727第6