包邮大数据治理(高级)

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