第1篇 大數據分析基礎 第1章 大數據概述 1.1 大數據的業務應用場景 1.1.1 大數據的產生及特征 1.1.2 大數據現狀及趨勢 1.1.3 大數據時代面臨的技術問題 1.2 云計算與大數據挖掘 1.2.1 云計算的定義與特點 1.2.2 云計算與大數據 1.2.3 大數據挖掘 1.3 大數據挖掘過程概述 1.3.1 挖掘目標的定義與數據理解 1.3.2 數據準備與數據理解 1.3.3 過程模型的建立 1.3.4 過程模型的評估 1.3.5 模型的部署與應用 小結 習題 第2章 大數據相關技術 2.1 大數據獲取技術 2.1.1 分布式數據采集系統F1ume 2.1.2 分布式消息隊列Kafka 2.1.3 Sqoop數據轉移工具 2.1.4 網絡爬蟲技術 2.1.5 數據預處理工具Kettle 2.2 大數據存儲和處理技術 2.2.1 數據處理架構技術演進 2.2.2 Hadoop分布式存儲和計算平臺 2.2.3 流式數據計算引擎Storm 2.2.4 Spark分布式內存計算引擎 2.2.5 大數據部署方案簡介 2.3 大數據查詢和分析技術 2.3.1 SQL-on-Hadoop技術 2.3.2 OLAP分析引擎Kylin 2.3.3 大數據分析技術Mahotlt 2.3.4 大數據分析技術Spark MLlib 2.3.5 其他常用分析語言比較 2.4 大數據可視化技術 2.5 主流大數據分析平臺簡介 小結 習題 第3章 數據預處理 3.1 數據類型、數據特征與數據質量 3.1.1 數據類型 3.1.2 數據集與數據特征 3.1.3 探索數據結構 3.1.4 數據質量相關概念與數據質量分析 3.2 數據采集與抽樣 3.2.1 數據采集概述 3.2.2 數據采集方法與應用特性 3.2.3 數據抽樣概述 3.2.4 數據抽樣方法與應用特性 3.3 數據預處理過程 3.3.1 數據預處理的作用與任務 3.3.2 數據清洗 3.3.3 數據集成 3.3.4 數據變換 3.3.5 數據規約 3.4 Hadoop中的數據預處理應用 3.4.1 使用MapReduee進行數據預處理 3.4.2 使用Kettle和Python進行數據預處理 小結 習題 第4章 R語言工具的使用 4.1 R語言概述 4.1.1 下載、安裝和使用 …… 第2篇 大數據挖掘技術 第3篇 大數據挖掘案例 參考文獻