1）采用“理实一体化”的教学方式。
2）丰富的教学案例，包含了书中的教学课件、习题答案等多种教学资源。
3）紧跟时代潮流，注重技术变化，书中包含了主流的大数据分析知识及一些开源库的使用。
4）编写本书的教师都具有多年的教学经验，重难点突出，能够激发学生的学习热情。
5）对本书中的重难点配有微课视频，方便学生课后学习。

本书主要介绍了大数据技术的基本概念与应用。全书共10章，包括大数据介绍、大数据架构、数据采集与清洗、大数据存储、大数据分析与挖掘、大数据可视化、数据治理、大数据安全、大数据的行业应用以及大数据综合实训。本书将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据分析相关技术，并对书中重要的、核心的知识点加大练习的比例，以达到熟练应用的目的。
本书既可作为高等职业院校大数据技术专业、软件技术专业、计算机网络专业、工业互联网技术等计算机相关专业的教材，也可作为相关专业技术人员的参考用书。

前言
第1章 大数据介绍
1.1 大数据概述
1.1.1 认识大数据
1.1.2 大数据的特征
1.1.3 大数据技术应用与基础
1.2 大数据的意义
1.2.1 大数据的国家战略意义
1.2.2 大数据的企业意义
1.2.3 我国大数据市场的预测
1.3 大数据的产业链分析
1.3.1 技术分析
1.3.2 运营分析
1.4 大数据与云计算
1.4.1 云计算概述
1.4.2 大数据与云计算的联系与区别
1.5 大数据与人工智能
1.5.1 人工智能概述
1.5.2 大数据与人工智能的联系与区别
1.6 实训1 用百度指数进行大数据分析
1.7 实训2 确定数据的不同类型
1.8 实训3 了解阿里云的使用
本章小结
习题1
第2章 大数据架构
2.1 大数据架构概述
2.1.1 大数据架构介绍
2.1.2 大数据架构分类
2.2 Hadoop架构
2.2.1 Hadoop介绍
2.2.2 Hadoop发展史
2.2.3 Hadoop核心组件
2.3 HDFS概述
2.3.1 HDFS的概念
2.3.2 HDFS的操作
2.4 MapReduce概述
2.4.1 MapReduce的概念
2.4.2 MapReduce设计方式
2.4.3 MapReduce架构
2.5 实训 Hadoop搭建（基于Windows7）
本章小结
习题2
第3章 数据采集与清洗
3.1 数据采集
3.1.1 数据采集介绍
3.1.2 数据采集平台
3.1.3 网络数据的采集
3.2 数据清洗
3.2.1 数据清洗概述
3.2.2 数据清洗的流程
3.2.3 数据清洗的常用方法
3.2.4 数据标准化概述
3.2.5 数据标准化的实例
3.3 数据仓库概述
3.3.1 数据仓库介绍
3.3.2 数据集成
3.3.3 数据变换
3.3.4 数据仓库的构建工具
3.4 Kettle工具概述
3.5 实训1 使用Python实现网络数据的采集
3.6 实训2 清洗Excel数据
3.7 实训3 清洗异常数据
3.8 实训4 使用Kettle进行数据
排序
本章小结
习题3
第4章 大