甘勇：教授、郑州工程技术学院副校长，长期工作在教学科研一线，主持的大学计算机和程序设计基础课程被评为河南省精品课程、河南省精品资源共享课，担任计算机课程教学指导委员会委员、河南省计算机类专业和网络空间安全专业教学指导委员会副主任，兼任中国计算机学会理事、河南省计算机学会副理事长、河南省计算机教育研究会副理事长。荣获过重量很好教学成果二等奖、2项河南省很好教学成果特等奖、3项河南省很好教学成果二等奖。陶红伟:郑州轻工业大学计算机与通信工程学院副教授、博士，主要研究方向包括大数据分析、软件可信度量与评估、信息安全。主持省部级以及横向项目5项，作为主要成员参与国家863重点项目子课题、国家自然科学基金重大研究计划集成项目子课题、国家863项目和国家自然科学基金项目等。

章 大数据与数据科学 / 11.1 大数据概述 / 11.1.1 大数据的概念 / 21.1.2 大数据的特征 / 21.1.3 大数据的结构类型 / 31.2 大数据的发展 / 41.3 大数据处理的挑战 / 51.4 数据科学的概念 / 61.5 数据科学的由来 / 71.6 数据科学的应用场景 / 91.6.1 行业数据 / 91.6.2 数据服务 / 10小结 / 11习题 / 11第2章 数据采集与数据预处理 / 122.1 数据采集和数据预处理概述 / 122.1.1 数据采集概述 / 122.1.2 数据预处理概述 / 132.2 数据采集技术 / 152.2.1 网络数据采集技术 / 152.2.2 日志数据采集技术 / 232.3 数据预处理技术 / 282.3.1 数据清洗 / 282.3.2 数据集成 / 302.3.3 数据变换 / 302.3.4 数据规约 / 32小结 / 33习题 / 33第3章 数据存储 / 343.1 数据存储概述 343.1.1 数据存储的发展历程 / 343.1.2 数据存储模型 / 363.2 大数据存储 / 363.2.1 海量数据存储关键技术 / 373.2.2 分布式文件系统 / 373.3 分布式数据库 / 413.3.1 HBase 分布式数据库 / 423.3.2 MongoDB 分布式 数据库 / 453.3.3 Hive 分布式数据 仓库 / 47小结 / 49习题 / 49第4章 大数据处理平台 / 504.1 概述 / 504.2 大数据的处理平台架构 / 514.2.1 技术架构 / 514.2.2 开源平台 / 524.3 大数据的批量处理 / 544.3.1 批量计算的概念 / 544.3.2 批量计算的软件系统 / 554.4 大数据的流式计算 / 634.4.1 流式计算的概念 / 634.4.2 流式计算的软件系统 / 644.5 大数据的混合处理计算 / 684.5.1 混合处理计算的概念 / 684.5.2 混合处理计算的软件系统 / 69小结 / 78习题 / 79第5章 数据分析 / 805.1 数据分析概述 / 805.1.1 数据分析的概念和作用 / 805.1.2 数据分析的类型 / 815.1.3 数据分析的流程 / 815.2 统计数据分析方法 / 835.2.1 描述统计 / 835.2.2 相关分析 / 845.2.3 回归分析 / 885.2.4 主成分分析 / 925.3 数据挖掘算法 / 965.3.1 决策树 / 965.3.2 K-Means 算法 / 1015.3.3 Apriori 算法 / 1065.3.4 神经网络 / 1115.4 数据分析工具 / 113小结 / 114习题 / 114第6章 数据可视化 / 1176.1 数据可视化概述 / 1176.1.1 数据可视化的基本特征 / 1196.1.2 数据可视化的作用 / 1206.1.3 数据可视化的流程 / 1236.2 数据可视化方法 / 1266.2.1 文本可视化 / 1266.2.2 网络可视化 / 1296.2.3 时空数据可视化 / 1316.2.4 多维数据可视化 / 1346.3 数据可视化软件与工具 / 1366.3.1 Excel / 1376.3.2 NodeXL / 137 6.3.3 Processing / 138 6.3.4 R / 139 6.3.5 ECharts / 1396.3.6 Wolfram Mathematica / 141小结 / 141习题 / 142第7章 数据安全与隐私 / 1437.1 大数据安全概述 / 1437.1.1 大数据安全体系结构 / 1487.1.2 大数据安全 / 1507.2 数据安全协议 / 1577.3 数据隐私 / 1597.4 数据信息共享与隐私信息融合 / 1607.5 云环境下的大数据安全与隐私保护 / 163小结 / 165习题 / 165第8章 大数据应用 / 1668.1 互联网商业应用 / 1668.1.1 用户画像 / 1668.1.2 大数据精准营销 / 1698.1.3 互联网金融 / 1718.2 行业大数据 / 1738.2.1 教育大数据 / 1738.2.2 电力大数据 / 1748.2.3 医疗大数据 / 1778.3 人工智能应用 / 1798.3.1 语音识别和机器翻译 / 1798.3.2 共享经济 / 1808.3.3 智慧城市 / 183小结 / 187习题 / 188第9章 数据思维 / 1899.1 大数据时代的挑战 / 1899.2 大数据时代的思维变革 / 1949.2.1 第四范式 / 1949.2.2 数据的混杂性 / 1959.2.3 样本与总体 / 1969.2.4 数据的相关关系与因果关系 / 1979.2.5 大数据与幸存者偏差 / 1989.3 大数据激发创造力 / 1999.3.1 大数据预测电影票房 / 1999.3.2 利用大数据治理纽约 / 2009.3.3 大数据助力总统竞选 / 2029.4 数据科学展望 / 2049.4.1 开放数据运动 / 2049.4.2 数据科学家所需的专业技能 / 2069.4.3 数据科学的发展前景 / 208小结 210习题 210参考文献 / 211

随着大数据时代的到来，涌现出多元化海量数据。大数据背后隐藏着大量的经济利益，尤其是 通过数据整合、分析与挖掘，其所表现出的数据整合与控制力量已经远超以往。本书详细介绍了数据 科学与大数据技术的详细内容。共分为9章，主要内容包括：大数据与数据科学、数据采集与数据预 处理、数据存储、大数据处理平台、数据分析、数据可视化、数据安全与隐私、大数据应用、数据 思维。本书适合作为数据科学与大数据专业及其相关专业本科生教材，也可供从事相关专业的教学、科 研和工程技术人员参考。