新書推薦：
《
组队：超级个体时代的协作方式
》
售價：HK$
77.3
《
第十三位陪审员
》
售價：HK$
53.8
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
155.7
《
Python贝叶斯深度学习
》
售價：HK$
89.4
《
文本的密码：社会语境中的宋代文学
》
售價：HK$
67.2
《
启微·狂骉年代：西洋赛马在中国
》
售價：HK$
78.4
《
有趣的中国古建筑
》
售價：HK$
67.0
《
十一年夏至
》
售價：HK$
76.2
|
| 編輯推薦： |
|
本书为国家教学资源库“大数据分析技术”课程的配套教材本书采用项目驱动方式编写，理实一体本书为新形态一体化教材，配套建设了电子课件、微课视频、源代码和习题答案等数字化学习资源
|
| 內容簡介： |
|
本书主要面向高职大数据技术专业的学生，注重大数据分析技术的应用和实践。本书每个项目主要分为两个部分。第一部分是大数据分析技术的理论知识，主要讲解了大数据分析模型、Python数据分析工具、NumPy和Pandas数据分析库、Matplotlib数据分析可视化库、Hadoop及其常用组件以及scikit-learn机器学习库的基本原理和操作。第二部分是任务实施，通过17个实操任务充分展现了大数据分析技术的主要功能和特点。本书既可作为高等职业院校大数据技术、信息安全与管理、软件技术、计算机网络技术、云计算技术等专业的教材，也适合有一定Python编程经验并对大数据分析技术感兴趣的读者阅读。
|
| 關於作者： |
|
李俊翰，中共党员，执教13年。教学经验丰富。作为主研参与大数据技术与应用国家专业教学资源库建设工作，主持子课程《应用程序开发基础（Java）》；发表SCI2篇，中文核心3篇；完成软件著作权1项，实用新型专利4项，横向课题2项；作为指导教师，指导学生参加全国职业院校技能大赛“大数据技术与应用”赛项获二等奖，重庆市职业院校技能竞赛“大数据技术与应用”赛项获得一等奖3项，“一带一路”暨金砖国际技能大赛大数据赛项三等奖等；主参编教材《大数据采集与爬虫》《大数据平台应用》《Python编程基础》《Spark大数据实时分析实战》；作为主讲教师先后承担《数据预处理》《大数据编程基础（Python）》和《大数据可视化技术》等十余门课程。
|
| 目錄：
|
|
目录前言项目1 认识大数据分析1.1 大数据分析概述1.1.1 大数据分析的概念和发展1.1.2 大数据分析的作用和影响1.2 大数据分析模型1.2.1 大数据分析的技术和工具1.2.2 大数据分析的流程1.2.3 大数据分析的模型简介【任务实施】任务1 网站用户活跃度指标综合分析任务2 身高体重指标数据关联分析练习题项目2 安装Python数据分析工具 2.1 Python数据分析基本概念2.1.1 Python数据分析的特点2.1.2 Python与其他数据分析工具的比较2.2 Python数据分析常用库介绍2.2.1 NumPy简介2.2.2 Pandas简介2.2.3 SciPy简介2.2.4 Matplotlib简介2.2.5 scikit-learn简介2.2.6 Statmodels简介2.2.7 Seaborn简介【任务实施】任务1 在Windows系统中安装Anaconda任务2 运行Jupyter Notebook任务3 PyCharm的安装和使用练习题项目3 使用NumPy实现统计分析和处理3.1 NumPy的基本概念3.1.1 NumPy基础理论和引用方法3.1.2 ndarry对象3.1.3 NumPy数据类型3.1.4 NumPy数组属性3.1.5 NumPy切片和索引3.2 NumPy函数3.2.1 NumPy数学函数3.2.2 NumPy数组维度操作函数3.2.3 NumPy创建数组函数3.2.4 NumPy常用IO函数3.2.5 NumPy广播【任务实施】任务1 使用Numpy实现股票数据分析任务2 使用Numpy实现豆瓣电影数据分析练习题项目4 Pandas数据分析和处理4.1 Pandas的基本概念4.1.1 Pandas基础理论和引用方法4.1.2 Pandas基本数据结构4.2 Pandas的基本用法4.2.1 创建Pandas对象4.2.2 查看Pandas基本数据4.2.3 Pandas索引和切片4.2.4 Pandas缺失值和空值处理4.2.5 Pandas连接和合并数据4.2.6 Pandas分组4.2.7 Pandas重塑4.2.8 Pandas数据透视表4.2.9 Pandas时间序列4.2.10 Pandas分类4.2.11 Pandas IO操作【任务实施】任务1 使用Pandas实现水果销售数据分析任务2 使用Pandas实现用户消费行为数据分析任务3 使用Pandas实现电商销售数据分析练习题项目5 Matplotlib数据分析可视化库5.1 Matplotlib的基本概念5.1.1 Matplotlib基础理论和引用方法5.1.2 散点图5.1.3 条形图5.1.4 折线图5.1.5 饼图5.1.6 直方图5.1.7 箱形图5.2 组合图5.2.1 曲线组合图5.2.2 柱状、散点、折线组合图5.2.3 直方图组合图123 【任务实施】任务1 使用饼图实现零售总额数据分析任务2 使用折线图实现零售总额数据分析任务3 使用双柱状图实现零售总额变化情况数据分析练习题项目6 基于Hadoop的数据分析6.1 掌握Hadoop框架和生态组件6.1.1 Hadoop简介6.1.2 Hadoop核心组件和工作原理6.1.3 Hadoop安装、部署和应用6.2 Hadoop生态组件6.2.1 Hadoop生态圈简介6.2.2 Hive的安装、部署和应用6.2.3 Spark的安装、部署和应用6.2.4 HBase的安装、部署和应用6.2.5 Kafka的安装、部署和应用6.2.6 Flume的安装、部署和应用6.2.7 Sqoop的安装、部署和应用6.2.8 Zookeeper的安装、部署和应用【任务实施】任务1 使用Hadoop及其组件Hive实现数据分析任务2 使用Hadoop及其组件Spark实现数据分析练习题项目7 基于scikit-learn机器学习库的数据分析7.1 掌握机器学习基本概念7.1.1 机器学习简介7.1.2 机器学习基本流程7.1.3 机器学习开发流程7.1.4 机器学习算法分类7.2 掌握scikit-learn的基本用法7.2.1 scikit-learn的安装和引用方法7.2.2 scikit-learn的基本用法【任务实施】任务1 使用scikit-learn实现鸢尾花数据分析任务2 使用scikit-learn实现波士顿房价数据分析练习题参考文献
|
| 內容試閱：
|
|
前言随着大数据时代的加速发展，各种物联网智能设备产生了大量数据，如何获取、处理、分析和可视化呈现数据，将对各行各业的发展和人们的日常生活产生极大的影响。大数据分析是信息技术领域的一场革命。从越来越多的企业开始设立大数据分析岗位就可以看出，大数据分析人才已经成为各大企业竞相争夺的重要资源。为了进一步满足社会对大数据分析人才的需求，许多高校相继开设了大数据技术专业，并将大数据分析作为专业平台课程进行推广，满足不同群体在诸多领域如“1+X”证书培训、大数据技术技能竞赛、大数据分析技术专业课程，以及大数据分析技术岗位等的不同需求。为了能够更好地满足大数据技术专业对数据分析及工具应用的技能需求，本书编写组与新华三集团深度合作，以推动“岗课赛证融通”，培养高技能人才为目的，以“项目分析→知识准备→任务实施→练习题”为主线编写。全书“理实一体”，便于实施“做中学，学中做”的教学方法。本书为国家教学资源库“大数据分析技术”课程的配套教材，读者可以通过智慧职教网站加入在线课程的学习。主要读者对象? 高等职业院校大数据技术专业和人工智能专业的学生。? 大数据分析技术初学者。? 大数据可视化工程师。? 大数据及数据挖掘工程师。? 其他对Python或Hadoop框架感兴趣的人员。主要内容本书采用项目驱动的方式，从理论到实践，由浅入深地设计了7个项目，包含17个任务，具体内容如下。项目1介绍了大数据分析技术的概念和发展、作用和影响、技术和工具以及处理流程，然后介绍大数据分析常用的4种分析模型，最后介绍两个大数据分析的实例：网站用户活跃程度指标综合分析和身高体重指标数据关联分析。项目2首先介绍了Python数据分析的特点和Python数据分析常用库，然后介绍Anaconda开源个人版（发行版）及其安装步骤，接着介绍了PyCharm社区版及其安装步骤和运行方式，最后实现Anaconda开源个人版（发行版）、Jupyter Notebook和PyCharm社区版的安装和运行。项目3首先介绍了NumPy的基础理论和引用方法，然后介绍NumPy的ndarry对象、数据类型、数组和属性，以及常用函数、广播机制和方法，最后介绍使用NumPy实现股票数据分析和豆瓣电影数据分析。项目4首先介绍了Pandas的基础理论和引用方法，然后介绍Pandas对象、基本数据类型、索引和切片、缺失值和空值处理、连接和合并数据、分组、重塑、数据透视表、时间序列、分类，以及IO操作，最后介绍了3个Pandas的数据分析案例，分别实现水果销售数据分析、用户消费行为数据分析和电商销售数据分析。项目5首先介绍了Matplotlib的基础理论和引用方法，然后介绍并实现了Matplotlib的几种常见图形，最后使用饼图、折线图实现零售总额数据分析和双条形图实现零售总额变化情况数据分析。项目6首先介绍了Hadoop的核心组件和工作原理，然后介绍了Hadoop生态圈组件，最后使用Hadoop及其组件Hive，以及Spark实现数据分析。项目7首先介绍了机器学习基本概念，然后介绍scikit-learn的基本用法，以及使用scikit-learn实现鸢尾花数据分析和波士顿房价数据分析。编写分工本书为新形态一体化教材，配套建设了电子课件、微课视频、源代码和习题答案等数字化学习资源。本书由重庆电子工程职业学院李俊翰、聂强担任主编，重庆电子工程职业学院付雯以及新华三集团于鹏担任副主编，重庆电子工程职业学院大数据专业曹长勇、周文博担任参编。李俊翰负责项目3～项目7的编写，聂强负责项目1的编写，付雯、于鹏负责项目2的编写，曹长勇、周文博负责部分案例的编写。由于编者的水平有限，书中难免有一些错误或不准确的地方，恳请各位读者不吝指正。本书涉及的所有技术内容都只能用于教学，不能用于其他用途。编 者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
