大數(shù)據(jù)應(yīng)用基礎(chǔ)

第1章大數(shù)據(jù)概論

1.1大數(shù)據(jù)技術(shù)簡介

1.1.1IT產(chǎn)業(yè)的發(fā)展簡史

1.1.2大數(shù)據(jù)的主要來源

1.1.3數(shù)據(jù)生成的三種主要
方式

1.1.4大數(shù)據(jù)的特點

1.1.5大數(shù)據(jù)的處理流程

1.1.6大數(shù)據(jù)的數(shù)據(jù)格式

1.1.7大數(shù)據(jù)的基本特征

1.1.8大數(shù)據(jù)的應(yīng)用領(lǐng)域

1.2大數(shù)據(jù)的技術(shù)架構(gòu)

1.3大數(shù)據(jù)的整體技術(shù)

1.4大數(shù)據(jù)分析的四種典型工具
簡介

1.5大數(shù)據(jù)未來發(fā)展趨勢

1.5.1數(shù)據(jù)資源化

1.5.2數(shù)據(jù)科學(xué)和數(shù)據(jù)聯(lián)盟的
成立

1.5.3大數(shù)據(jù)隱私和安全
問題

1.5.4開源軟件成為推動大數(shù)
據(jù)發(fā)展的動力

1.5.5大數(shù)據(jù)在多方位改善人
們的生活

本章小結(jié)

習(xí)題1

第2章大數(shù)據(jù)采集及預(yù)處理

2.1數(shù)據(jù)采集簡介

2.1.1數(shù)據(jù)采集

2.1.2數(shù)據(jù)采集的數(shù)據(jù)來源

2.1.3數(shù)據(jù)采集的技術(shù)方法

2.2大數(shù)據(jù)的預(yù)處理

2.3數(shù)據(jù)采集及預(yù)處理的主要
工具

本章小結(jié)

習(xí)題2



第3章大數(shù)據(jù)分析概論

3.1大數(shù)據(jù)分析簡介

3.1.1大數(shù)據(jù)分析

3.1.2大數(shù)據(jù)分析的基本
方法

3.1.3大數(shù)據(jù)處理流程

3.2大數(shù)據(jù)分析的主要技術(shù)

3.2.1深度學(xué)習(xí)

3.2.2知識計算

3.3大數(shù)據(jù)分析處理系統(tǒng)簡介

3.3.1批量數(shù)據(jù)及處理系統(tǒng)

3.3.2流式數(shù)據(jù)及處理系統(tǒng)

3.3.3交互式數(shù)據(jù)及處理
系統(tǒng)

3.3.4圖數(shù)據(jù)及處理系統(tǒng)

3.4大數(shù)據(jù)分析的應(yīng)用

本章小結(jié)

習(xí)題3




第4章大數(shù)據(jù)可視化

4.1大數(shù)據(jù)可視化簡介

4.2大數(shù)據(jù)可視化工具
Tableau

本章小結(jié)

習(xí)題4




第5章Hadoop概論

5.1Hadoop簡介

5.1.1Hadoop簡史

5.1.2Hadoop應(yīng)用和發(fā)展
趨勢

5.2Hadoop的架構(gòu)與組成

5.2.1Hadoop架構(gòu)介紹

5.2.2Hadoop組成模塊

5.3Hadoop應(yīng)用分析

本章小結(jié)

習(xí)題5
大數(shù)據(jù)應(yīng)用基礎(chǔ)
目錄




第6章HDFS和Common概論

6.1HDFS簡介

6.1.1HDFS的相關(guān)概念

6.1.2HDFS特性

6.1.3HDFS體系結(jié)構(gòu)

6.1.4HDFS的工作原理

6.1.5HDFS的相關(guān)技術(shù)

6.2Common簡介

本章小結(jié)

習(xí)題6

第7章MapReduce概論

7.1MapReduce簡介

7.1.1MapReduce

7.1.2MapReduce功能、特征和
局限性

7.2Map和Reduce任務(wù)

7.3MapReduce架構(gòu)和工作
流程

7.3.1MapReduce的架構(gòu)

7.3.2MapReduce的工作
流程

本章小結(jié)

習(xí)題7

第8章NoSQL概論

8.1NoSQL簡介

8.1.1NoSQL的含義

8.1.2NoSQL的產(chǎn)生

8.1.3NoSQL的特點

8.2NoSQL技術(shù)基礎(chǔ)

8.2.1大數(shù)據(jù)的一致性策略

8.2.2大數(shù)據(jù)的分區(qū)與放置
策略

8.2.3大數(shù)據(jù)的復(fù)制與容錯
技術(shù)

8.2.4大數(shù)據(jù)的緩存技術(shù)

8.3NoSQL的類型

8.3.1鍵值存儲

8.3.2列存儲

8.3.3面向文檔存儲

8.3.4圖形存儲

8.4典型的NoSQL工具

8.4.1Redis

8.4.2Bigtable

8.4.3CouchDB

本章小結(jié)

習(xí)題8

第9章Spark概論

9.1Spark平臺

9.1.1Spark簡介

9.1.2Spark發(fā)展

9.1.3Scala語言

9.2Spark與Hadoop

9.2.1Hadoop的局限與不足

9.2.2Spark的優(yōu)點

9.2.3Spark速度比Hadoop快的
原因分析

9.3Spark處理架構(gòu)及其生態(tài)
系統(tǒng)

9.3.1底層的Cluster Manager
和Data Manager

9.3.2中間層的Spark
Runtime

9.3.3高層的應(yīng)用模塊

9.4Spark的應(yīng)用

9.4.1Spark的應(yīng)用場景

9.4.2應(yīng)用Spark的成功
案例

本章小結(jié)

習(xí)題9



第10章云計算與大數(shù)據(jù)

10.1云計算簡介

10.1.1云計算

10.1.2云計算與大數(shù)據(jù)的
關(guān)系

10.1.3云計算基本特征

10.1.4云計算服務(wù)模式

10.2云計算核心技術(shù)




10.2.1虛擬化技術(shù)

10.2.2虛擬化軟件及應(yīng)用

10.2.3資源池技術(shù)

10.2.4云計算部署模式

10.3云計算應(yīng)用案例

本章小結(jié)

習(xí)題10



第11章典型大數(shù)據(jù)解決方案

11.1Intel大數(shù)據(jù)

11.1.1Intel大數(shù)據(jù)解決
方案

11.1.2Intel大數(shù)據(jù)相關(guān)
案例

11.2百度大數(shù)據(jù)

11.2.1百度大數(shù)據(jù)引擎

11.2.2百度大數(shù)據(jù)+平臺

11.2.3相關(guān)應(yīng)用

11.2.4百度預(yù)測的使用
方法

11.3騰訊大數(shù)據(jù)

11.3.1騰訊大數(shù)據(jù)解決
方案

11.3.2相關(guān)實例

本章小結(jié)

習(xí)題11




第12章大數(shù)據(jù)應(yīng)用案例分析（醫(yī)療
領(lǐng)域）
12.1大數(shù)據(jù)在臨床領(lǐng)域的
應(yīng)用

12.1.1基于大數(shù)據(jù)的比較效
果研究

12.1.2基于大數(shù)據(jù)的臨床決
策系統(tǒng)

12.1.3醫(yī)療數(shù)據(jù)透明化

12.1.4病人的遠(yuǎn)程監(jiān)控

12.1.5基于大數(shù)據(jù)的電子
病歷分析


12.2大數(shù)據(jù)在醫(yī)藥支付領(lǐng)域的
應(yīng)用

12.2.1基于大數(shù)據(jù)的多種
自動化系統(tǒng)

12.2.2基于大數(shù)據(jù)和衛(wèi)生
經(jīng)濟學(xué)的定價計劃

12.3大數(shù)據(jù)在醫(yī)療研發(fā)領(lǐng)域的
應(yīng)用

12.3.1基于大數(shù)據(jù)的預(yù)測
建模

12.3.2臨床試驗及其數(shù)據(jù)
分析


12.3.3基于大數(shù)據(jù)的個性
化治療



12.3.4基于大數(shù)據(jù)的疾病
模式分析

12.4大數(shù)據(jù)在醫(yī)療商業(yè)模式
領(lǐng)域的應(yīng)用

12.4.1基于大數(shù)據(jù)的患者臨床記錄
和醫(yī)療保險數(shù)據(jù)集

12.4.2基于大數(shù)據(jù)的網(wǎng)絡(luò)
平臺和社區(qū)

12.5大數(shù)據(jù)在公共健康領(lǐng)域的
應(yīng)用

本章小結(jié)

習(xí)題12


習(xí)題參考答案

參考文獻(xiàn)