✍ Scribed by 曾剑平
No coin nor oath required. For personal study only.
本书内容分为三个部分，第一部分为互联网大数据的概述；第二部分为互联网大数据的获取与存储，包括了静态或动态WEB页面内容获取技术、结构化或非结构化数据的存储、常见的开源系统等；第二部分为处理与分析技术，包括了文本数据预处理、数据内容的语义分析技术、文本内容分类技术、聚类分析、大数据中的隐私保护、大数据可视化等内容；第三部分为综合应用。
封面
扉页
内容简介
版权页
序言
前言
目录
第1部分 概述
第1章 互联网大数据
第2部分 互联网大数据的获取
第2章 Web页面数据获取
第3章 互联网大数据的提取技术
第3部分 互联网大数据的结构化处理与分析技术
第4章 结构化处理技术
第5章 大数据语义分析技术
第6章 大数据分析的模型与算法
第7章 大数据隐私保护
第8章 大数据技术平台
第4部分 综合应用
第9章 基于阿里云大数据技术的个性化新闻推荐
正文结束
参考文献
图书资源支持
📜 SIMILAR VOLUMES
本书是将大数据这一计算机前沿科学和基本应用有机结合的典范教材，全面介绍大数据和相关的基础知识，由浅入深地剖析大数据的分析处理方法和技术手段，突出介绍大数据最新的发展趋势和技术成果。本书的一大亮点是每章中都使用图表对大数据与传统数据处理方式进行对比。另外，本书注重启发式的学习策略，便于读者理解和掌握。全书每章均包括实际应用案例与关键词注释，方便读者查阅和自学，同时配备习题和参考答案。本书体系完整、内容丰富、注重应用、前瞻性强、适用性好，并有开放式的课程教学网站（http://www.cmu.edu.cn/computer）提供技术支持。本书既可以作为普通高校大数据技术的基础教材，也可以作为职业培
本书归纳和总结了主流数据库软件和常用数据处理工具的常见问题与应用技巧，为大数据技术与传 统数据存储和转换技术相结合提供了技术参考，为促进大数据技术的发展，为数据库和ETL开发人员、 运维人员提供了技术支撑。 本书分为3篇，共5章，主要内容包括Oracle数据库应用、MySQL数据库应用、Informatica PowerCenter 工具应用、Kettle工具应用、数据库调优与ETL工具应用技巧。本书分别从数据存储软件、数据抽取与 清洗软件等方面，向读者展示了Oracle、MySQL、Informatica和Kettle的常见问题、优化与提升的技巧。 本书所涉及的内容均为生产实践中必要的过程和
本书由斯坦福大学“Web 挖掘”课程的内容总结而成，主要关注极大规模数据的挖掘。主要内容包括分布式文件系统、相似性搜索、搜索引擎技术、频繁项集挖掘、聚类算法、广告管理及推荐系统、社会网络图挖掘和大规模机器学习等。其中每一章节有对应的习题，以巩固所讲解的内容。读者更可以从网上获取相关拓展材料。
<p>本书围绕 Hadoop 生态圈相关系统介绍大数据处理架构。全书共 11章,其中,第 12 章主要带领大家认识 Hadoop以及学会搭建 Hadoop 集群;第 3~5 章讲解分布式文件系统(HDFS)分布式计算框架MapReduce 以及分布式协调服务;第 6 章讲解 Hadoop 2.0 新特性,包含 YARN 和高可用特性;第7~10 章主要讲解 Hadoop 生态圈的相关辅助系统,包括 Hive,Flume,Azkaban 和 Sqop;第 11 章是一个综合项目一网站流量日志数据分析系统,目的是教会大家如何利用 Hadoop 生态圈技术构建大数据系统架构并进行开发，同时加深对 H
本书强调了大数据的宝贵价值，介绍了常用的数据分析技术与方法，论述了大数据分析的思维特征，紧扣大数据的特点演示了可视化分析与可视化挖掘的方法，详细讨论了数据清洗与元数据管理，对大数据的风险予以充分揭示，同时提出了大数据风险管理的对策，对大数据治理作了简介。 本书具有很强的实用性、可操作性和指导性，对于企业管理人员、企业数据分析人员、业务分析人员和市场营销人员，政府监管机构如证监会、银监局、保监会的监管人员，审计师、注册会计师，纪检监察和司法机关执纪执法人员有参考价值，同时可供高等院校相关专业的师生参阅。
大数据是互联网、移动应用、社交网络和物联网等技术发展的必然趋势，大数据应用成为当前最为热门的信息技术应用领域。本书由浅入深，首先概述性地分析了大数据的发展背景、基本概念，从业务的角度分析了大数据应用的主要业务价值和业务需求，在此基础上介绍大数据的技术架构和关键技术，结合应用实践，详细阐述了传统信息系统与大数据平台的整合策略，大数据应用实践的流程和方法，并介绍了主要的大数据应用产品和解决方案。最后，对大数据面临的挑战和未来的趋势进行了展望。 本书既具有技术深度，又具有很强的可操作性，提供了一个系统性、架构性的大数据应用实践指南，纲要性地指导大数据应用实践，推动大数据技术在各个行业的广泛应用。