大数据分析实战手册.docVIP

大数据分析实战手册

TOC\o1-2\h\u26695第一章数据采集与预处理 3

178991.1数据源选择与接入 3

152861.1.1数据源选择 3

116741.1.2数据接入 3

81441.2数据清洗与格式化 3

277701.2.1数据清洗 4

275981.2.2数据格式化 4

41731.3数据质量评估 4

1039第二章数据存储与管理 5

273822.1数据库选择与设计 5

322322.1.1数据库选择 5

9122.1.2数据库设计 5

140342.2数据仓库构建 5

44262.2.1数据仓库架构 5

87942.2.2数据仓库构建步骤 6

220672.3数据备份与恢复 6

277082.3.1数据备份 6

85382.3.2数据恢复 6

14467第三章数据分析与挖掘 6

150833.1摸索性数据分析 6

229693.1.1数据清洗与预处理 7

210383.1.2数据可视化 7

218533.1.3数据描述性统计 7

11783.2数据挖掘算法概述 7

44073.2.1分类算法 7

36673.2.2聚类算法 7

62263.2.3关联规则挖掘 8

306723.3模型评估与优化 8

73163.3.1评估指标 8

290543.3.2交叉验证 8

169773.3.3模型优化 8

21906第四章机器学习与深度学习 8

279864.1常用机器学习算法 8

188034.1.1线性回归 9

171844.1.2逻辑回归 9

8594.1.3决策树 9

298424.1.4随机森林 9

77174.1.5支持向量机 9

125324.1.6K近邻算法 9

297934.2深度学习框架介绍 9

305284.2.1TensorFlow 9

13114.2.2PyTorch 9

241274.2.3Keras 10

143614.2.4Caffe 10

293234.3模型训练与调试 10

174424.3.1数据预处理 10

4574.3.2模型选择 10

209894.3.3参数调优 10

93684.3.4模型评估 10

18084.3.5模型优化 10

9474第五章数据可视化 10

160135.1常用可视化工具与库 10

34475.1.1Matplotlib 11

115285.1.2Seaborn 11

196075.1.3Plotly 11

188365.1.4Tableau 11

318305.2数据可视化设计原则 11

288835.2.1简洁明了 11

39075.2.2保持一致性 11

65725.2.3高度可读性 11

319885.2.4适当使用交互性 12

287995.3动态数据可视化 12

3816第六章大数据分析平台与工具 12

53806.1大数据技术栈概述 12

146816.2大数据分析平台介绍 13

226016.3大数据工具应用 13

2014第七章数据安全与隐私保护 14

8657.1数据安全策略 14

91577.2数据加密与解密 14

135057.3数据隐私保护技术 15

27274第八章数据分析与业务应用 15

44518.1数据驱动决策 15

319748.2业务场景下的数据分析 16

123288.3数据分析成果转化为业务价值 16

13107第九章项目管理与团队协作 17

64109.1项目管理方法与工具 17

26379.1.1水晶方法（CrystalMethod） 17

161579.1.2敏捷方法（AgileMethod） 17

297149.1.3工具 17

213689.2团队协作技巧 17

43879.2.1沟通与反馈 18

1219.2.2角色与职责明确 18

178329.2.3协作工具 18

225219.2.4跨部门协作 18

269049.3项目风险管理 18

216239.3.1风险识别 18

44379.3.2