大數(shù)據(jù)技術原理與實踐

定　價：￥30.00

作　者：	暫缺
出版社：	北京郵電大學出版社
叢編項：	網(wǎng)絡安全與大數(shù)據(jù)系列叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787563553723	出版時間：	2018-01-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內容簡介

　　《大數(shù)據(jù)技術原理與實踐/網(wǎng)絡安全與大數(shù)據(jù)系列叢書》較為全面地介紹了大數(shù)據(jù)相關技術和應用的現(xiàn)狀。全書共7章：第1章主要介紹大數(shù)據(jù)的基礎概念；第2章和第3章對主流大數(shù)據(jù)框架從不同側面進行了分析對比；第4章主要介紹了信息挖掘中的經(jīng)典算法（C4.5 、k-means、支持向量機、Apriori、EM、PageRank、AdaBoost、Naive Bayes、CART）；第5章內容為數(shù)據(jù)的可視化；第6章涉及大數(shù)據(jù)與人工智能的聯(lián)系；第7章介紹大數(shù)據(jù)在現(xiàn)實生活中的實際用例。

作者簡介

　　辛陽，男，博士，北京郵電大學信息安全中心副教授。長期從事信息安全及災備領域研究工作，主要涉及電信網(wǎng)安全、下一代網(wǎng)絡安全、移動通信安全、存儲災備技術等，主持及參與過國家863計劃、國家發(fā)改委信息安全專項等近20項及省部級項目。申請專利30多項，軟件著作權12項，出版網(wǎng)絡安全書籍5本，主導國家災備標準四項的編寫工作。

圖書目錄

第1章緒論
1．1 什么是大數(shù)據(jù)
1．2 大數(shù)據(jù)的特征
1．3 大數(shù)據(jù)分析的發(fā)展情況
1．4 大數(shù)據(jù)的相關政策
第2章面向大數(shù)據(jù)的分布式存儲系統(tǒng)
2．1 Bigtable
2．1．1 Bigtable構件
2．1．2 Bigtable實現(xiàn)
2．1．3 Tablet
2．1．4 Bigtable優(yōu)化
2．1．5 Bigtable性能
2．1．6 實際應用
2．2 Google File System
2．2．1 GFS框架
2．2．2 Master節(jié)點
2．2．3 Chunk數(shù)據(jù)塊
2．2．4 元數(shù)據(jù)
2．2．5 系統(tǒng)交互
2．2．6 容錯和診斷
2．3 Dynamo
2．3．1 系統(tǒng)架構
2．3．2 系統(tǒng)實現(xiàn)
2．3．3 故障處理
2．4 小結
第3章面向大數(shù)據(jù)的分布式處理框架
3．1 Hadoop
3．1．1 概述
3．1．2 實現(xiàn)運行
3．1．3 實際應用
3．2 MapReduce
3．2．1 MapReduce實現(xiàn)
3．2．2 MapReduce的實際應用
3．3 Spark
3．3．1 概述
3．3．2 RDD
3．3．3 Spark處理框架
3．3．4 Spark在實際中的應用
3．4 小結
第4章面向大數(shù)據(jù)信息挖掘的算法
4．1 C4．5
4．1．1 算法描述
4．1．2 算法特性
4．1．3 軟件實現(xiàn)
4．1．4 應用示例
4．1．5 相關研究
4．1．6 小結
4．2 k-means
4．2．1 算法描述
4．2．2 軟件實現(xiàn)
4．2．3 應用示例
4．2．4 相關研究
4．2．5 小結
4．3 支持向量機
4．3．1 支持向量分類器
4．3．2 支持向量分類器的軟間隔優(yōu)化
4．3．3 核技巧
4．3．4 理論基礎
4．3．5 支持向量回歸器
4．3．6 軟件實現(xiàn)
4．3．7 相關研究
4．3．8 小結
4．4 Apriori
4．4．1 算法描述
4．4．2 挖掘序列模式
4．4．3 軟件實現(xiàn)
4．4．4 應用示例
4．4．5 相關研究
4．4．6 小結
4．5 EM
4．5．1 引言
4．5．2 算法描述
4．5．3 軟件實現(xiàn)
4．5．4 應用示例
4．5．5 相關研究
4．5．6 小結
4．6 PageRank
4．6．1 算法描述
4．6．2 擴展：Timed-PageRank
4．6．3 小結
4．7 AdaBoost
4．7．1 算法描述
4．7．2 軟件實現(xiàn)
4．7．3 應用示例
4．7．4 相關研究
4．7．5 小結
4．8 k最近鄰
4．8．1 算法描述
4．8．2 軟件實現(xiàn)
4．8．3 相關研究
4．8．4 小結
4．9 Naive Bayes
4．9．1 算法描述
4．9．2 獨立變量
4．9．3 模型擴展
4．9．4 軟件實現(xiàn)
4．9．5 應用示例
4．9．6 相關研究
4．9．7 小結
4．10 分類和回歸樹算法
4．10．1 算法描述
4．10．2 深度討論
4．10．3 軟件實現(xiàn)
4．10．4 相關研究
4．10．5 小結
第5章數(shù)據(jù)可視化
5．1 基本可視化圖表
5．2 示例
5．2．1 全國就業(yè)和薪酬分析
5．2．22015年國內外搜索分析
5．3 可視化工具
5．4 D3．js
5．4．1 簡介
5．4．2 搭建一個簡易的D3開發(fā)環(huán)境
5．4．3 如何深入學習D3．js
第6章大數(shù)據(jù)與人工智能
6．1 什么是深度學習
6．2 深度學習主流模型介紹
6．2．1 卷積神經(jīng)網(wǎng)絡
6．2．2 循環(huán)神經(jīng)網(wǎng)絡
6．3 深度學習實例
6．3．1 深度學習主流工具介紹
6．3．2 利用CNN模型識別MNIST手寫數(shù)字數(shù)據(jù)集
6．3．3 利用RNN模型識別MNIST手寫數(shù)字數(shù)據(jù)集
6．3．4 分布式深度學習
6．3．5 分布式深度學習實例
第7章實踐案例
7．1 云計算技術
7．1．1 服務模式
7．1．2 部署模型
7．2 公安智能大數(shù)據(jù)平臺
7．2．1 背景
7．2．2 智能大數(shù)據(jù)平臺架構
7．2．3 智能大數(shù)據(jù)平臺功能介紹
7．3 交警智能大數(shù)據(jù)平臺
7．3．1 交警智能大數(shù)據(jù)平臺框架
7．3．2 交警智能大數(shù)據(jù)平臺技術框架
7．3．3 功能展示
參考文獻
附錄促進大數(shù)據(jù)發(fā)展行動綱要