本书从大数据、数据挖掘、实际案例三个方面深入浅出地介绍了大数据领域的知识。全书分为三个部分：第一部分是大数据篇，主要从数据起源、生态系统、生命周期以及行业应用来分析大数据的研究方向和趋势，并对数据预处理、可视化、安全等大数据技术进行了详细的阐述；第二部分是数据挖掘认知篇，主要从线性回归、聚类、关联规则、分类与预测、时间序列等方面剖析数据挖掘技术；第三部分是数据实践篇，主要从业务和技术角度阐述已有的科研成果，使读者在从理论到实践的过程中深刻理解大数据的用途及技术的本质。
本书可作为大学本科学生的教材，也可作为从事智能信息处理、大数据、云服务等领域的科研工作者和广大工程技术人员的参考书，以及对大数据感兴趣的读者的自学用书。

李文书，博士，现任浙江理工大学信息学院教授、机器学习与智能系统团队负责人，硕士生导师。中国计算机学会高级会员、人工智能协会理事和杭州市计算机学会会员；浙江省国防科技工业协会专家库专家，浙江省151第三层次培养人才；杭州市第一批工业企业信息化专家；高校面向全国接受访问学者导师，2013年获中国商业联合会科学技术奖三等奖。
主要研究方向为图像处理、认知建模、虚拟实现、中医四诊合参、物联网集成开发、VR展示。发表论文70余篇，其中有50余篇被SCI/EI收录；著作7部；主持或参与的国家级项目8项、省部级项目10项、厅局级项目20项、企业课题20余项等。授权软件著作权30余项，发明专利5项，实用新型专利2项；申请发明专利6项，实用新型专利2项，软件著作权6项；实验室现有硕士生10人。历年主讲的课程包括图像处理、模式识别、计算机视觉、数值分析、算法设计与分析、人工智能、数据结构和学科前沿等。

第一部分 大数据篇
第1章 绪论
1.1 什么是大数据
1.1.1 大数据的来源
1.1.2 大数据的表现形式
1.1.3 大数据的特征
1.2 什么是商业智能
1.3 大数据生命周期
1.4 数据科学研究的主要问题
1.5 数据科学的模型方法
1.5.1 有监督学习
1.5.2 无监督学习
1.5.3 半监督学习
1.6 大数据方向
1.6.1 大数据架构方向
1.6.2 大数据分析方向
1.6.3 大数据开发方向
本章小结
习题
第2章 数据预处理
2.1 统计分析
2.1.1 统计描述
2.1.2 统计分析中的基本概念
2.1.3 参数估计和假设检验
2.1.4 区间估计和检验
2.1.5 方差分析
2.2 数据预处理
2.2.1 数据清洗
2.2.2 数据集成
2.2.3 数据变换
2.2.4 数据归约
本章小结
习题
第3章 大数据可视化
3.1 数据可视化的发展历程
3.1.1 萌芽时期
3.1.2 拉开帷幕
3.1.3 初露锋芒
3.1.4 黄金时代
3.1.5 稳步发展
3.1.6 日新月异
3.2 数据可视化的分类
3.2.1 依据数据类型分类
3.2.2 依据展示方式分类
3.2.3 依据应用场景分类
3.3 数据可视化设计的原则
3.3.1 亲密性（分组）
3.3.2 对齐
3.3.3 重复/统一
3.3.4 对比/强调
3.3.5 力求表达准确、到位、简洁、易懂
3.4 数据可视化的流程
3.4.1 了解需求
3.4.2 可视化设计
3.5 应用实践
3.5.1 折线图
3.5.2 散点图
3.5.3 柱状图
3.5.4 词云图
3.5.5 雷达图
……
第二部分 数据挖掘认知篇
第三部分 数据实践篇
附录 数学基础知识
参考文献