数据分析与大数据实践

第1章 大数据与信息论简介
本章概要
学习目标
1.1 大数据基本概念
1.1.1 大数据的定义
1.1.2 大数据的特点
1.1.3 大数据的研究目标
1.2 大数据支撑技术简介
1.2.1 统计学简介
1.2.2 机器学习简介
1.2.3 数据可视化简介
1.2.4 大数据分析与计算工具
1.2.5 数据资源简介
1.3 信息论简介
1.3.1 信息的度量和信息熵
1.3.2 信息的编码
1.3.3 信息的有效性和哈夫曼编码
1.3.4 信息的冗余和压缩
1.3.5 信息的相关性
1.3.6 贝叶斯公式与因果关系
1.4 综合练习
1.4.1 选择题
1.4.2 填空题
1.4.3 综合实践

第2章 数据获取
本章概要
学习目标
2.1 数据获取概述
2.1.1 数据获取的来源
2.1.2 数据获取的方法
2.1.3 数据源和数据集
2.2 常用数据集的获取
2.2.1 常用的数据集
2.2.2 使用Python的sklearn提供的数据集
2.2.3 使用R语言提供的数据集
2.3 网页信息爬取
2.3.1 网络爬虫概述
2.3.2 HTTP基本原理
2.3.3 网页的基本结构
2.3.4 Python相关库
2.3.5 使用requests和re爬取猫眼电影TOP 100榜单
2.3.6 使用requests和bs4爬取豆瓣电影TOP 250榜单
2.4 综合练习
2.4.1 选择题
2.4.2 填空题
2.4.3 简答题
2.4.4 实践题

第3章 数据加工
本章概要
学习目标
3.1 基础知识
3.1.1 数据源文件格式
3.1.2 数据类型
3.1.3 数据预处理
3.2 数据清洗
3.2.1 为什么要数据清洗
3.2.2 数据清洗类型与方法
3.2.3 基于工具的数据清洗
3.3 数据转换
3.3.1 数据转换的目的
3.3.2 数据转换的方法
3.3.3 基于工具的快速转换
3.4 数据脱敏
3.4.1 数据的敏感信息
3.4.2 保护数据的方法
3.4.3 基于工具实现数据脱敏
3.5 数据集成
3.5.1 数据集成的基本类型
3.5.2 数据集成的难点
3.5.3 简单数据集成的实现
3.6 数据归约
3.6.1 数据归约
3.6.2 归约策略简介
3.7 综合练习
3.7.1 选择题
3.7.2 填空题

第4章 数据分析基础
本章概要
学习目标
4.1 数据分析基础
4.1.1 认识数据类型
4.1.2 公式的组成
4.1.3 数据验证与公式审核
4.2 数据分析应用
4.2.1 内置工作表函数
4.2.2 数据的输出与显示
4.3 时间序列预测分析
4.3.1 预测分析概述
4.3.2 时间序列预测分析概述
4.3.3 指数平滑预测模型
4.3.4 时间序列预测分析实例
4.4 回归分析
4.4.1 回归分析概述
4.4.2 回归分析模型
4.4.3 回归分析实例
4.5 聚类分析
4.5.1 聚类分析概述
4.5.2 K-Means算法
4.5.3 聚类分析实例
4.6 综合练习
4.6.1 选择题
4.6.2 填空题

第5章 数据可视化
本章概要
学习目标
5.1 数据可视化基础
5.1.1 可视化的意义
5.1.2 可视化表现形式
5.1.3 可视化艺术
5.2 数据可视化工具
5.2.1 利用Excel进行数据可视化
5.2.2 利用Power BI进行数据可视化
5.2.3 利用Tableau进行数据可视化
5.3 数据可视化实战
5.3.1 背景介绍和问题提出
5.3.2 数据准备
5.3.3 分析及可视化
5.3.4 分析图表整合
5.4 综合练习
5.4.1 简答题
5.4.2 实践题

第6章 数据安全与可视化数据共享
本章概要
学习目标
6.1 数据安全
6.1.1 数据存储安全
6.1.2 数据传输安全
6.1.3 数据处理安全
6.2 大数据安全与可视化数据共享
6.2.1 大数据安全与隐私保护
6.2.2 可视化数据共享
6.3 综合练习
6.3.1 选择题
6.3.2 填空题

第7章 数据分析与可视化综合实践
本章概要
学习目标
7.1 计算的类型与示例
7.1.1 基本计算
7.1.2 参数
7.1.3 表计算
7.1.4 详细级别表达式
7.2 数据分析与可视化综合实践
7.2.1 数据背景和来源
7.2.2 数据分析与可视化
7.2.3 故事综合案例
7.3 综合练习