大数据导论第2版_杨尊琦主编_9787111714835

随着数据时代和智能社会的到来，大数据基本原理和技术应用已成为各行各业专业人员必修的一门课程。本书依据新工科教育理念和其他专业的广泛需求，综合了国内外书籍、网站的相关内容，以及具体的课程实践和人才培养的要求进行编写。第2版加入了新的案例。
本书共12章，包括大数据基础、大数据下的云计算、大数据处理、数据分析与数据挖掘、大数据安全、数据可视化、大数据与社交媒体的融合、健康大数据在公共卫生领域的应用、大数据在碳减排中的应用、大数据对金融业的挑战与机遇、大数据在制造业中的应用和大数据在旅游业中的应用，既包括了大数据的基本知识和技术，也涵盖了大数据在典型行业中的具体应用，读者通过学习能更深入地认识和体会大数据的应用价值。每章都设有习题与实践，便于读者巩固学习内容。
本书是为高等院校各专业学习大数据基础课程而编写的，特别适合理工科学生，同时也适合人文社会科学学科相关专业的学生学习，还可作为在职人士的参考书。

本书第2版遵循教育教学规律和人才培养规律，体现先进教育理念，适应高等学校多样化人才培养类型需求，反映人才培养模式创新和教学改革新成果，将知识传授和能力培养相结合，激发学生对大数据的理论、方法进一步学习的热情，切实提升教材育人的引领与带动作用。
本书科学阐述了大数据的基本概念、基础知识、基本方法，结构设计合理，反复推敲并精选案例，注重吸纳学科和行业的新理论、新知识、新技术，及时满足经济社会发展和科技进步对人才培养提出的新要求。
本书第1版得到了广大读者的厚爱，但同时也存在一些不足。为改进不足、提升品质，我们梳理了该书的诞生过程，如图1所示。以此感谢所有的相关人员，是时代造就了这本书，是环境给了我们营养，学习新知识、应用新技术是编者与读者的共同愿望。
在数智时代发展的过程中，大数据的新方法、新应用更需要归纳和提炼，因此更新后的内容迫切需要与读者见面。
在整体结构上，第2版体现了以下布局和更新：
1）增加体现新工科的学习要素。新工科紧扣国家发展战略，这次改版增加了相应的内容，例如，工科学生涉及的机械、建筑、环境生物及桥梁等领域，尽量引入一些案例，使初学者能够通过本书的引导，进一步在行业领域中利用好该领域的数据和数据资源。
2）安排了开篇引例和章后综合案例。第2版增加了大量的社会实践案例，这些案例分布在每章的开篇和结尾。每一案例都要求读者去思考一些问题，这些案例突出反映了各个领域中的一些大数据应用，是非常好的教学示例。
3）增加了碳减排章节。减少碳排放是国家战略，2021年，碳排放问题已经被提到议事日程，动员全民认识碳达峰和碳中和的基本概念及常识，碳排放中的大数据问题繁多，在这部分我们希望能够给读者介绍一些碳达峰和碳中和的基本概念、原理和技术。
4）思政元素渗透其中。本次改版加入了大数据学习中的思政元素。有些章节，特别是在章首语、节首语中，加入了思政元素，读者在学习的同时，其人生观、价值观和社会责任感等可得以提升。
5）更强调引领、入门作用。学习大数据导论会涉及一些工具软件。关于分析大数据的工具软件，在相关章节中会示例性地引导读者入门，深入地学习和研究要在专门的课程中去展开。本书对部分工具软件只进行入门介绍，起到抛砖引玉的作用。
通过增加新内容，本书内容更加系统化和专业化，紧跟新工科以及其他学科的发展，提升了实用性和可操作性。
第2版在编写过程中得到多方帮助，感谢郝建伟编辑的鼎力支持，感谢出版社同仁。感谢天津财经大学校长刘金兰教授对大数据理论、技术学习的倡导。
第2版的编者为天津财经大学管理科学与工程学院和统计学院的教师及研究生。本书由杨尊琦担任主编。第1、3章由田绍娟改写，第2章由周新雨改写，第4章由王红敬改写，第5、12章由王静改写，第6、11章由杨尊琦改写，第7章由马家骥改写，第8章由吴畅改写，第9章由李旭阳编写，第10章由刘帅改写。
由于编者知识有限，书中难免有不当之处、不严谨之处，还请同行及广大读者给予指正，我们将十分感谢。

第2版前言
第1版前言
第1章大数据基础
11大数据时代
111大数据时代的技术基础
112大数据时代的变革
113信息技术（IT）向数据技术（DT）的转变
114大数据的价值
12什么是大数据
121数据基本知识
122大数据的来源及定义
123大数据的特征、维度及技术
13大数据结构类型
14大数据应用
141个人生活运用
142企业应用
143政府部门应用
15数据科学和大数据技术
151数据科学
152大数据技术与工具
16习题与实践
参考文献
第2章大数据下的云计算
21云计算概述
211云计算的定义
212云计算的特征
213云计算的体系架构
214云计算的类型划分
215云计算的服务模式
22云计算技术
221虚拟化技术
222并行计算技术
223海量数据管理技术
224海量数据存储技术
23云计算与云存储
231云存储的概述
232云存储的存储方式
233云存储与云计算的关系
24云计算与超算
241超算的概述与应用
242超算与云计算的关系
25云计算与大数据
251云计算与大数据的关系
252云计算与大数据的结合
26习题与实践
参考文献
第3章大数据处理
31数据采集
311数据采集方法
312数据质量评估
313数据质量影响因素
32数据清洗
321处理残缺数据
322处理噪声数据
323处理冗余数据
33数据变换
331属性类型变换
332属性值变换
34数据集成
341模式匹配与数据值冲突
342数据冗余
35数据归约
351维归约
352数值归约
36案例：Tableau Prep数据处理技术应用
37习题与实践
参考文献
第4章数据分析与数据挖掘
41数据分析概述
42常见数据分析方法
421层次分析法
422多元线性回归分析法
43数据挖掘基本概念
431数据挖掘的定义
432数据挖掘的分类
433数据挖掘的过程
44数据挖掘经典算法
441K-Means算法
442KNN算法
443随机森林
444循环神经网络
45习题与实践
参考文献
第5章大数据安全
51安全与隐私问题凸显
511网络安全漏洞
512个人隐私泄露
52大数据时代的安全挑战
521信息安全的发展历程
522信息安全带来的挑战
53如何解决大数据安全问题
531大数据安全防护对策
532大数据安全防护关键技术
533数据治理与数据安全
54如何解决隐私保护问题
541隐私保护的政策法规
542隐私保护技术
543区块链技术与隐私保护
544联邦学习与隐私保护
55习题与实践
参考文献
第6章数据可视化
61数据可视化类型
611科学可视化
612信息可视化
613可视分析学
62数据可视化基础
621数据可视化流程
622数据处理和变换
623视觉编码
624统计图表
625视觉隐喻
63可视化评估
631评估分类
632评估方法
64可视化主要工具
641主要工具列举
642Tableau操作简介
65习题与实践
参考文献
第7章大数据与社交媒体的融合
71社交媒体概述
711社交媒体的定义
712社交媒体的发展
72社交媒体大数据的分析与挖掘
721基于用户的大数据分析
722基于关系的大数据分析
723基于内容的大数据分析
73社交媒体大数据的未来挑战
74社交媒体下大数据信息安全问题
741社交媒体导致的信息风险类型和形成原因
742社交媒体的信息风险治理方案
75习题与实践
参考文献
第8章健康大数据在公共卫生领域的应用
81健康大数据概述
811健康大数据的定义
812健康大数据的特点
813健康大数据的分类
82健康大数据研究现状
83健康大数据在公共卫生领域的应用
831疾病预测与预防
832医疗救治与医药研发
833健康监测管理与个性化医疗服务
834电子病历的发展
835疫情防控下大数据行程卡的使用
836远程会诊和智能医疗
84健康大数据在公共卫生领域的挑战
841健康大数据安全隐私问题
842标准化困境
843信息孤岛问题
844缺少复合型人才和专业化队伍
85习题与实践
参考文献
第9章大数据在碳减排中的应用
91碳排放的问题与现状
911双碳概念
912个人数据分析问题
913企业数据应用问题
914环境数据的发展方向
92大数据与双碳
921碳达峰大数据
922碳中和大数据
923智能监管大数据
93案例与数据挖掘
94挑战与机遇
941物联网的模式
942数据科学的技术
943新能源科学与工程大数据
95习题与实践
参考文献
第10章大数据对金融业的挑战与机遇
101金融大数据概述
1011什么是金融大数据
1012金融大数据对金融业的影响
1013金融大数据应用实施战略
102金融大数据的应用
103大数据与金融创新
1031金融创新的4个维度
1032金融创新中的模型和算法
104金融大数据案例
105习题与实践
参考文献
第11

我要评论