第一部分概念篇

第一章緒論/

第一節大數據時代/

第二節數據和大數據/

第三節大數據的管理與應用概述/

第四節大數據管理與應用的理論、技術
和應用體繫/

第五節應用案例/

思考與練習/

本章擴展閱讀/


第二部分基礎篇

第二章大數據管理與應用的數學基礎/

第一節線性代數基礎/

第二節優化基礎/

第三節統計基礎/

第四節應用案例/

思考與練習/

本章擴展閱讀/

第三章大數據管理與應用的機器學習
基礎/


第一節機器學習概述/

第二節機器學習的分類/

第三節模型評估與選擇/

第四節計算學習理論/

第五節應用案例/

思考與練習/

本章擴展閱讀/


第三部分技術篇

第四章數據采集與數據存儲/

第一節數據采集/

第二節關繫型數據存儲/

第三節非關繫型數據存儲/

第四節數據倉庫/

第五節應用案例/

思考與練習/

本章擴展閱讀/

第五章數據預處理/

第一節數據質量/

第二節數據清洗/

第三節數據變換/

第四節數據集成/

第五節其他預處理方法/

第六節應用案例/

思考與練習/

本章擴展閱讀/

第六章數據回歸分析/

第一節數據回歸分析概述/

第二節線性回歸分析/

第三節嶺回歸分析和LASSO回歸分析/

第四節廣義線性回歸分析/

第五節非線性回歸分析/

第六節應用案例/

思考與練習/

本章擴展閱讀/

第七章數據分類分析/

第一節數據分類分析概述/

第二節基於函數的分類分析/

第三節基於概率的分類分析/

第四節基於最近鄰的分類分析/

第五節基於決策樹的分類分析/

第六節基於規則的分類分析/

第七節集成分類分析/

第八節應用案例/

思考與練習/

本章擴展閱讀/

第八章數據聚類分析/

第一節數據聚類分析概述/

第二節基於層次的聚類分析/

第三節基於劃分的聚類分析/

第四節基於密度的聚類分析/

第五節基於網格的聚類分析/

第六節基於模型的聚類分析/

第七節集成聚類分析/

第八節應用案例/

思考與練習/

本章擴展閱讀/

第九章數據關聯分析/

第一節數據關聯分析概述/

第二節關聯規則分析/

第三節序列模式分析/

第四節應用案例/

思考與練習/

本章擴展閱讀/

第十章深度學習/

第一節深度學習概述/

第二節神經網絡/

第三節深度前饋網絡/

第四節卷積神經網絡/

第五節循環神經網絡/

第六節應用案例/

思考與練習/

本章擴展閱讀/

第十一章文本分析/

第一節文本分析概述/

第二節文本預處理/

第三節特征提取和文本表示方法/

第四節文本分類分析/

第五節文本聚類分析/

第六節應用案例/

思考與練習/

本章擴展閱讀/

第十二章Web分析/

第一節Web分析概述/

第二節Web內容分析/


第三節Web結構分析/

第四節Web使用分析/

第五節應用案例/

思考與練習/

本章擴展閱讀/

第十三章可視化技術/

第一節可視化概述/

第二節可視化主要類型 /

第三節可視化主要方法/

第四節可視化評測/

第五節應用案例 /

思考與練習/

本章擴展閱讀/

第十四章數據治理/

第一節數據治理概述/

數據治理/

第三節數據質量治理/

第四節數據安全治理/

第五節數據治理評估/
第六節應用案例/

思考與練習/

本章擴展閱讀/


第四部分平臺與發展篇

第十五章大數據計算平臺/

第一節大數據計算平臺概述/

第二節基於Hadoop的大數據計算平臺/

第三節基於Spark的大數據計算平臺/

第四節應用案例/

思考與

隨著信息技術的不斷發展，特別是由於信息技術的不斷普及以及互聯網延伸，無處不在的信息技術應用帶來了數據的不斷增長，而且是超幾何增長，數據日益成為重要的戰略資源和新生產要素，對數據進行充分的挖掘和有效利用，能夠對全球生產、流通、分配、消費活動以及經濟運行機制、社會生活方式和國家治理能力產生重要影響。

大數據是以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合，正快速發展為對數量巨大、來源分散、格式多樣的數據進行采集、存儲和關聯分析，並從中發現新知識、創造新價值、提升新能力的新一代信息技術和服務業態。大數據一方面給我們帶來了重要機遇——數據資產和洞察未來的能力，另一方面也對我們提出了巨大的挑戰——大數據中價值信息的提取、大數據的信息安全以及大數據相關人纔的缺乏等。在此背景下，繫統地學習和掌握大數據管理與應用的基礎知識和理論是高等學校學生適應科學技術和社會發展的必然要求。
本書從管理和應用的視角來解讀大數據，以大數據分析全生命周期為主線，從大數據的采集、存儲、預處理、分析、可視化、治理等環節切入，對大數據管理與應用的理論、方法、工具和應用進行科學合理的組織，形成了注重介紹大數據理論與方法、強調理論聯繫實踐的教材特色。通過對本書的學習，學生可以理解大數據管理與應用的基本概念和基礎理論，掌握大數據管理與應用的核心技術和方法，學生運用大數據分析工具解決具體問題的能力也能得到有針對性的培養。在編寫過程中，我們積極吸取國內外同類教材的先進性，同時注意形成自身的特色。
第一，注重學科融合。大數據管理與應用涉及管理、信息等學科內容，在教材編寫過程中，我們注重將相關學科知識有機地融為一體，重構了大數據管理與應用的知識體繫。
第二，教材內容的先進性。在內容選取時，我們參閱了大量的相關文獻，並將其與我們自身的最新研究成果相結合，整合後融入教材之中，力爭反映大數據管理與應用的前沿知識。
第三，理論與實踐相結合。書中除大數據理論知識和技術基礎外，我們還精選了多個大數據應用案例進行分析。在案例選擇上，以本土案例為主，並盡可能選自不同的行業和領域，幫助學生理解大數據分析技術在企業中的具體應用。
本書包含十六章，分為四個部分：概念篇主要介紹大數據管理與應用的基本概念、分析的基本思路；基礎篇主要介紹大數據管理與應用的數學基礎和機器學習基礎；技術篇主要介紹大數據管理應用的數據采集與存儲技術、數據預處理技術、數據回歸分析技術、數據分類分析技術、數據聚類分析技術、數據關聯分析技術、深度學習技術、文本分析技術、Web分析技術、可視化技術、數據治理技術；平臺與發展篇介紹大數據計算平臺並綜述大數據管理與應用的新進展。
本書由合肥工業大學管理學院王剛教授任主編，劉婧副教授、邵臻副教授任副主編，凌海峰副教授、董駿峰副教授、倪麗萍副教授參編。各章的編寫工作分工如下：王剛負責本書的統稿，並負責編寫第一、三、六、七、八、十五、十六章，劉婧負責編寫第九、十、十三章，邵臻負責編寫第二、五章，凌海峰負責編寫第十二、十四章，董駿峰負責編寫第四章，倪麗萍負責編寫第十一章。另外，合肥工業大學博士研究生張峰、馬敬玲、張亞楠、王含茹、盧明鳳、夏平凡、魏娜，碩士研究生黃晶麗、李慧、祝賀功、孟祥睿、徐旺、陳星月、周秀娜、昂瑞、楊雨蝶、韓鈞、王曉瑩、孫文君、貴麗等在書稿的編寫過程中做了大量資料搜集整理、文檔編輯等工作。在此，謹向他們表示最誠摯的謝意。
在本書的編寫過程中，我們參考了大量的國內有關研究成果，在此對所涉及的專家、學者表示衷心感謝。
大數據管理與應用是一門日新月異的學科，且涉及管理科學和信息科學中的多個領域，作者水平有限，書中難免有疏漏或不妥之處，懇請廣大讀者不吝賜教，以便再版時及時更正。
編者
2022年9月3日