×
暂无评论
图文详情
  • ISBN:9787550452763
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:244
  • 出版时间:2022-02-01
  • 条形码:9787550452763 ; 978-7-5504-5276-3

内容简介

“大数据治理”是把大数据作为组织、企业或者国家的战略资产进行管理,以及在管理流程中进行分析、控制和决策的活动集合,已成为当下大数据前沿的新兴领域。《大数据治理》(不错)以实战案例为先导,协助读者选定合适的大数据预处理工具和方法进行多源异构数据的集成、归约和存储,完成数据探索、数据分析过程和数据分析结果的可视化;针对敏感指标进行数据脱敏以及对大数据治理实施过程中产生的体系、方法、软件、模型等进行归纳整理,形成知识库。《大数据治理》(不错)可以作为中等职业院校、高等职业院校和应用型本科学校的大数据专业教材,也可作为大数据从业人员的培训教材和参考书。

目录

目录 **篇 概论篇 3 / 1 大数据治理概论 1.1 大数据治理背景……………………………………………………………… (3) 1.2 大数据治理相关概念………………………………………………………… (5) 1.3 大数据治理框架……………………………………………………………… (9) 1.4 大数据治理原则 …………………………………………………………… (10) 1.5 大数据治理方法 …………………………………………………………… (13) 21 / 2 大数据治理应用 2.1 新冠肺炎疫情防控与复工案例 …………………………………………… (21) 2.2 中国人民银行个人信用评分案例 ………………………………………… (23) 第二篇 数据预处理篇 29 / 3 实训项目1: 期货数据预处理 3.1 项目背景 …………………………………………………………………… (29) 3.2 实训目标 …………………………………………………………………… (29) 3.3 实训任务 …………………………………………………………………… (29) 3.4 技术准备 …………………………………………………………………… (30) 3.5 实训步骤 …………………………………………………………………… (44) 3.6 项目总结 …………………………………………………………………… (51) 3.7 课后扩展 …………………………………………………………………… (51) 52 / 4 实训项目2: 电影数据预处理 4.1 项目背景 …………………………………………………………………… (52) 4.2 实训目标 …………………………………………………………………… (52) 4.3 实训任务 …………………………………………………………………… (52) 4.4 技术准备 …………………………………………………………………… (53) 4.5 实训步骤 …………………………………………………………………… (63) 4.6 项目总结 …………………………………………………………………… (68) 4?? 7 课后扩展 …………………………………………………………………… (68) 69 / 5 实训项目3: 人力资源数据预处理 5.1 项目背景 …………………………………………………………………… (69) 5.2 实训目标 …………………………………………………………………… (69) 5.3 实训任务 …………………………………………………………………… (69) 5.4 技术准备 …………………………………………………………………… (70) 5.5 实训步骤 …………………………………………………………………… (78) 5.6 项目总结 …………………………………………………………………… (81) 5.7 课后扩展 …………………………………………………………………… (82) 83 / 6 实训项目4: 鸢尾花数据预处理 6.1 项目背景 …………………………………………………………………… (83) 6.2 实训目标 …………………………………………………………………… (83) 6.3 实训任务 …………………………………………………………………… (83) 6.4 技术准备 …………………………………………………………………… (84) 6.5 实训步骤 …………………………………………………………………… (86) 6.6 项目总结 …………………………………………………………………… (90) 6.7 课后扩展 …………………………………………………………………… (90) 第三篇 数据可视化篇 93 / 7 实训项目5: 泰坦尼克号数据可视化 7.1 项目背景 …………………………………………………………………… (93) 7.2 实训目标 …………………………………………………………………… (93) 7.3 实训任务 …………………………………………………………………… (93) 7.4 技术准备 …………………………………………………………………… (94) 7.5 实训步骤 ………………………………………………………………… (105) 7.6 项目总结 ………………………………………………………………… (113) 7.7 课后扩展 …………………………………………………………………… (113) 114/ 8 实训项目6: 人力资源数据可视化 8.1 项目背景 ………………………………………………………………… (114) 8.2 实训目标 ………………………………………………………………… (114) 8.3 实训任务 ………………………………………………………………… (114) 8.4 技术准备 ………………………………………………………………… (115) 8.5 实训步骤 ………………………………………………………………… (115) 8.6 项目总结 ………………………………………………………………… (125) 8.7 课后扩展 ………………………………………………………………… (125) 126/ 9 实训项目7: 电影数据可视化 9.1 项目背景 ………………………………………………………………… (126) 9.2 实训目标 ………………………………………………………………… (126) 9.3 实训任务 ………………………………………………………………… (127) 9.4 技术准备 ………………………………………………………………… (127) 9.5 实训步骤 ………………………………………………………………… (128) 9.6 项目总结 …………………………………………………………………… (140) 9.7 课后扩展 …………………………………………………………………… (140) 第四篇 数据挖掘篇 143/ 10 实训项目8: 人力资源数据挖掘 10.1 项目背景 ……………………………………………………………… (143) 10.2 实训目标 ……………………………………………………………… (143) 10.3 实训任务 ……………………………………………………………… (143) 10.4 技术准备 ……………………………………………………………… (144) 10.5 实训步骤 ……………………………………………………………… (150) 10.6 项目总结 ……………………………………………………………… (160) 10.7 课后扩展 ……………………………………………………………… (160) 161/ 11 实训项目9: 健康数据挖掘 11.1 项目背景 ……………………………………………………………… (161) 11.2 学习目标 ……………………………………………………………… (161) 11.3 实训任务 ……………………………………………………………… (161) 11.4 技术准备 ……………………………………………………………… (162) 11.5 实训步骤 ………………………………………………………………… (163) 11.6 项目总结 ……………………………………………………………… (178) 11.7 课后扩展 ……………………………………………………………… (178) 第五篇 综合实训篇 181/ 12 实训项目10: 美团美食店铺数据分析实训 12.1 项目背景 ……………………………………………………………… (181) 12.2 实训目标 ……………………………………………………………… (181) 12.3 实训任务 ……………………………………………………………… (181) 12.4 技术准备 ……………………………………………………………… (182) 12.5 数据准备与预处理 …………………………………………………… (188) 12.6 美食店铺基本情况分析与可视化 …………………………………… (190) 12.7 基于 K-means 算法的店铺分类模型构建 ………………… (196) 12.8 基于有监督的机器学习的用户情感分类 ……………………………… (200) 12.9 项目总结 ……………………………………………………………… (205) 12.10 课后扩展 …………………………………………………………… (205) 206/ 13 实训项目11: 交通大数据分析实训 13.1 项目背景 ……………………………………………………………… (206) 13.2 实训目标 ……………………………………………………………… (206) 13.3 实训任务 ……………………………………………………………… (206) 13.4 技术准备 ……………………………………………………………… (207) 13.5 数据准备与预处理 …………………………………………………… (211) 13.6 骑行数据探索性分析 ………………………………………………… (220) 13.7 骑行数据可视化分析 ………………………………………………… (222) 13.8 基于 Apriori 算法和 FPGrowth 算法的关联规则挖掘…………………… (225) 13.9 项目总结 ……………………………………………………………… (232) 13.10 课后扩展 ……………………………………………………………… (232) 233/ 参考文献
展开全部

作者简介

石勇,教授,中国科学院虚拟经济与数据科学研究中心主任。博士毕业于美国堪萨斯大学商学院,研究方向为虚拟经济与数据。 田英杰,中国科学院大学教授。博士毕业于中国农业大学,研究方向为*优化与数据挖掘。 陈小宁,西南财经大学天府学院副教授。硕士毕业于西南科技大学,研究方向为数据分析与挖掘。 徐鸿雁,西南财经大学天府学院教授。硕士毕业于上海海事大学,研究方向为人机交互、教育信息化。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航