大数据治理(初级)

**篇 概论篇１ 大数据导论１．１ 大数据的发展历史…………………………………………………………… （３）１．２ 大数据的特征………………………………………………………………… （６）１．３ 大数据变革…………………………………………………………………… （８）１．４ 大数据伦理 ………………………………………………………………… （１１）１．５ 综合案例 …………………………………………………………………… （１３）２ 大数据中的数据库２．１ 云存储技术 ………………………………………………………………… （１７）２．２ ＳＱＬ 概述 …………………………………………………………………… （１８）２．３ 案例：个人信息 ＳＱＬ 基本操作……………………………………………… （２０）第二篇 分析篇３ 大数据采集３．１ 数据类型 …………………………………………………………………… （２５）３．２ 大数据采集方案制定 ……………………………………………………… （３０）３．３ 大数据采集方式 …………………………………………………………… （３６）３．４ 大数据采集工具 …………………………………………………………… （４２）４ 大数据预处理基础４．１ 数据预处理概述 …………………………………………………………… （５４）４．２ 数据清洗 …………………………………………………………………… （５６）４．３ 数据集成 …………………………………………………………………… （５９）４．４ 数据规约 …………………………………………………………………… （６２）５ 大数据预处理实施５．１ 数据录入 …………………………………………………………………… （６９）５．２ 数据内容调整 ……………………………………………………………… （８６）５．３ 数据合并与拆分 …………………………………………………………… （９１）５．４ 案例：学生成绩表的排序、筛选与汇总 …………………………………… （９８）５．５ 工作表的编辑和管理 ……………………………………………………… （１０６）５．６ 案例：中国流动人口动态监测调查数据表 ……………………………… （１１３）６ 大数据可视化基础６．１ 大数据可视化概述 ………………………………………………………… （１２１）６．２ 大数据可视化的特点 ……………………………………………………… （１２２）６．３ 大数据可视化的意义 ……………………………………………………… （１２２）６．４ 大数据可视化工具 ………………………………………………………… （１２３）６．５ 案例：六种大数据可视化的形式 ………………………………………… （１２８）６．６ 大数据可视化的应用 ……………………………………………………… （１３４）７ 大数据可视化图表创建及案例分析——以Ｅｘｃｅｌ 为例７．１ 数据透视表 ………………………………………………………………… （１３５）７．２ Ｅｘｃｅｌ 图表 ………………………………………………………………… （１４１）７．３ 案例：图表类型分类 ……………………………………………………… （１４５）８ 大数据治理概述８．１ 大数据治理基础 …………………………………………………………… （１５２）８．２ 数据标准体系 ……………………………………………………………… （１６０）８．３ 元数据管理 ………………………………………………………………… （１６２）８．４ 主数据管理 ………………………………………………………………… （１６８）第三篇 附录篇９ Ｐｙｔｈｏｎ 语言在大数据中的运用简介９．１ 初识 Ｐｙｔｈｏｎ：通过２ 个简单例子初步了解 Ｐｙｔｈｏｎ 语言 ………… （１７７）９．２ 化繁为简：通过 Ａｎａｃｏｎｄａ 管理 Ｐｙｔｈｏｎ 的运行环境……………… （１７８）９．３ 极简之美：像计算器一样使用 Ｐｙｔｈｏｎ …………………………………… （１８１）９．４ 完美集成：将 Ｐｙｔｈｏｎ 程序的运行和多格式文本结合起来 ……………… （１８２）９．５ 快速上手：通过一个简单的程序入门 Ｐｙｔｈｏｎ …………………………… （１８７）９．６ 看见数据：通 ｍａｔｐｌｏｔｌｉｂ 进行数据可视化 …………………………… （１９７）１０ 大数据中的统计学１０．１ 统计学基础 ……………………………………………………………… （１９９）１０．２ 统计学与大数据技术的应用差异性 …………………………………… （２０１）１０．３ 统计学的数据类型 ……………………………………………………… （２０２）１０．４ 总体与样本 ……………………………………………………………… （２０３）１０．５ 参数与统计量 …………………………………………………………… （２０５）１０．６ 假设检验 ………………………………………………………………… （２０５）１０．７ “白盒子”与“黑盒子” …………………………………………………… （２０７）１１ 大数据前沿１１．１ 深度学习 ………………………………………………………………… （２０８）１１．２ 卷积神经网络 …………………………………………………………… （２１６）１１．３ 循环神经网络 …………………………………………………………… （２１９）１１．４ 深度学习的应用 ………………………………………………………… （２２０）２２４／ 参考文献__