数据分析和大数据技术应用实践操作指南.docVIP

数据分析和大数据技术应用实践操作指南

TOC\o1-2\h\u3544第一章数据采集与预处理 4

92521.1数据采集方法 4

96381.1.1网络爬虫 4

35521.1.2数据接口 4

84861.1.3物联网设备 4

33041.1.4数据仓库 4

318891.2数据清洗与去重 4

270621.2.1数据清洗 4

120591.2.1.1缺失值处理 5

135351.2.1.2异常值处理 5

277551.2.1.3文本清洗 5

192471.2.2数据去重 5

160851.3数据整合与转换 5

49921.3.1数据整合 5

103301.3.2数据转换 5

31171.3.3数据标准化 5

10429第二章数据存储与管理 5

116162.1关系型数据库存储 5

146392.1.1概述 5

37202.1.2关系型数据库类型 6

47002.1.3关系型数据库存储策略 6

288522.2非关系型数据库存储 6

306892.2.1概述 6

73442.2.2非关系型数据库类型 6

236652.2.3非关系型数据库存储策略 6

151212.3数据仓库与数据湖 6

31292.3.1数据仓库概述 6

157642.3.2数据仓库技术 7

141442.3.3数据湖概述 7

277672.3.4数据湖技术 7

173582.3.5数据仓库与数据湖的对比 7

32706第三章数据可视化与分析工具 7

207803.1数据可视化工具介绍 7

111503.1.1Tableau 7

218123.1.2PowerBI 7

327193.1.3Python数据可视化库 7

213843.2数据分析工具介绍 8

161753.2.1Excel 8

254573.2.2R语言 8

117693.2.3Python数据分析库 8

86193.3数据报告撰写与展示 8

219363.3.1报告结构 8

58993.3.2数据展示 8

36503.3.3结果解释 8

118313.3.4结论与建议 8

223303.3.5报告排版与格式 9

13441第四章统计分析与预测模型 9

314674.1描述性统计分析 9

59834.2摸索性数据分析 9

50254.3预测模型构建与评估 9

2029第五章机器学习与深度学习 10

56315.1机器学习基本概念 10

308115.1.1定义及分类 10

8305.1.2学习方法 10

14335.2深度学习基本概念 11

109265.2.1定义及发展 11

141915.2.2神经元及网络结构 11

235185.2.3学习方法 11

47185.3常用算法与模型介绍 11

141625.3.1线性模型 11

47045.3.2支持向量机 11

311615.3.3决策树与随机森林 12

64205.3.4神经网络 12

158695.3.5集成学习 12

319385.3.6聚类算法 12

216685.3.7主成分分析 12

31323第六章大数据应用场景 12

8526.1金融行业应用 12

131786.1.1背景概述 12

218956.1.2应用场景 12

237706.2零售行业应用 13

121936.2.1背景概述 13

106196.2.2应用场景 13

82086.3医疗行业应用 13

81506.3.1背景概述 13

15716.3.2应用场景 13

12755第七章大数据技术与框架 14

93857.1Hadoop生态系统 14

300537.1.1概述 14

98977.1.2Hadoop分布式文件系统（HDFS） 14

27957.1.3HadoopMapReduce 14

37527.1.4HadoopYARN 14

265787.2Spark生态系统 14

34237.2.1概述 14

120427.2.2SparkCore 14

252867.2.