大數據技術原理與實踐（簡體書）

本書將圍繞大數據技術的基本原理與實踐,介紹了大數據獲取、存儲、分析、數據挖掘和機器學習。內容涵蓋以下主題：Hadoop、Mapreduce、關聯規則、大規模監督機器學習、數據流、集群、NoSQL系統(Pig、Hive)，以及包括推薦系統、Web和安全性的應用程序。
第1章重點闡述了大數據驅動的商業模式、技術生態體系，大數據的類型、特點、獲取技術。第2章概要介紹了大數據的軟硬件架構，包括大數據技術基礎與軟硬件設施、大數據存儲與管理技術、大數據的分布式處理技術平臺等，包括MapReduce編程框架原理、Spark結構與原理、基於Storm的大規模數據流的分布式處理技術等。第3章介紹了Python編程基礎，包括基本數據類型、基本控制流程、Numpy、Scipy、Pandas等。第4章介紹了大數據分析技術，包括基於MapReduce基礎編程、文本大數據分析與處理技術、大數據關聯分析、相似項的發現、基於大數據的推薦系統、基於大數據的圖與網絡分析、大數據聚類分析、時空大數據分析、非結構化大數據分析與處理、基於Storm的流數據分析技術等。第5章介紹了基於SparkMLlib/Mahout的大數據機器學習，包括機器學習基礎、典型機器學習問題、機器學習評價方法、並行機器學習算法，並進行了利用MLlib解決大數據並行分類問題、利用Mahout解決大數據推薦優化問題實踐。第6章介紹了基於大數據的深度學習技術，包括深度學習基本原理、深度學習典型應用、Keras 基礎入門及應用案例。第7章介紹了材料大數據材料熱導率預測、旅遊大數據分析、交通大數據分析、工業大數據分析、產品創新大數據分析等帶代碼、數據的案例。
本書內容深入淺出，具有很強的理論與實踐指導作用，可作為數據科學與技術、人工智能、計算機科學、製造科學、機械工程等學科相關專業的本科生、研究生的教材或課程教學參考書，也是對工程技術人員、科研人員而言非常實用的工具書。