●譯者序
第2版前言
第1版前言
作者簡介
第1章引言1
1.1大數據的定義1
1.2大數據與小數據2
1.3大數據在哪裡5
1.4大數據最常見的目的是產生小數據6
1.5大數據是研究領域的中心話題6
術語表7
參考文獻11
第2章為非結構化數據提供結構13
2.1幾乎所有數據都是非結構化的、不可用的原始形式13
2.2詞彙索引14
2.3術語提取16
2.4構建索引19
2.5自動編碼20
2.6案例研究：宇宙中任意原子準確位置的快速定位（需要安裝一些軟件）24
2.7案例研究（高級）：一個完整的自動編碼器（12行Python代碼）26
2.8案例研究：以詞彙索引進行文本轉換28
2.9案例研究（高級）：Burrows Wheeler變換30
術語表32
參考文獻43
第3章標識、去標識和重標識45
3.1什麼是標識符45
3.2標識符和標識繫統之間的區別46
3.3生成專享標識符48
3.4糟糕的標識方法50
3.5注冊專享對像標識符53
3.6去標識和重標識55
3.7案例研究：數據清理57
3.8案例研究（高級）：圖像標題中的標識符59
3.9案例研究：單向散列函數61
術語表63
參考文獻69
數據、語組71
數據71
4.2可擴展標記語言71
4.3語組72
4.4命名空間74
4.5案例研組的語法75
4.6案例研究：Dublin Core77
術語表78
參考文獻80
第5章分類和本體論81
5.1關於對像關繫的全部81
5.2分類：最簡單的本體84
5.3本體：有多個父類的類86
5.4分類模型選擇88
5.5類混合91
5.6本體開發的常見陷阱92
5.7案例研究：上層本體93
5.8案例研究（高級）：悖論94
5.9案例研究（高級）：RDF框架和類屬性96
5.10案例研究（高級）：可視化類關繫98
術語表102
參考文獻111
第6章內省113
6.1自我認知113
6.2數據對像：每個大數據集合中最素116
6.3大數據如何使用內省117
6.4案例研究：時間戳數據119
6.5案例研究：TripleStore 簡介121
6.6案例研究（高級）：大數據必須是面向對像的證明125
術語表126
參考文獻127
第7章標準和數據集成128
7.1標準128
7.2規範與標準132
7.3版本控制134
7.4合規問題135
7.5案例研究：標準化巧克力茶壺135
術語表136
參考文獻137
第8章不變性和較為性139
8.1數據不變性的重要性139
8.2不變性和標識符140
8.3數據產生數據142
8.4跨機構協調標識符143
8.5案例研究：可信時間戳144
8.6案例研究：區塊鏈和分布式賬本145
8.7案例研究（高級）：零知識協調147
術語表148
參考文獻150
第9章評估大數據資源的充分性152
9.1觀察數據152
9.2大數據的最小必要屬性158
9.3附加條件的數據161
9.4案例研究：用於查看和搜索大型文件的實用程序162
9.5案例研究：數據扁平化164
術語表164
參考文獻169
第10章測量170
10.1準確性與精度170
10.2數據範圍171
10.3計數173
10.4數據標準化和變換176
10.5約簡數據179
10.6理解控制181
10.7沒有實際意義的統計意義182
10.8案例研究：基因計數183
10.9案例研究：早期生物特征和狹窄數據範圍的意義184
術語表185
參考文獻186
第11章快速簡單的大數據分析必不可少的技巧188
11.1速度和可擴展性188
11.2適用於大數據的快速操作，並且每臺計算機都支持193
11.3點積——一種簡單快速的相關方法197
11.4聚類199
11.5數據持久性方法（不使用數據庫）201
11.6案例研究：爬升分類202
11.7案例研究（高級）：數據庫示例203
11.8案例研究（高級）：NoSQL205
術語表205
參考文獻209
第12章尋找大型數據集中的線索211
12.1分母211
12.2詞頻分布212
12.3異常值和異常215
12.4封底分析216
12.5案例研究：預測用戶偏好218
12.6案例研究：人口數據的多模態219
12.7案例研究：大小黑洞220
術語表220
參考文獻224
第13章使用隨機數將大數據分析問題的規模縮小225
13.1（偽）隨機數的顯著效用225
13.2重采樣230
13.3蒙特卡羅模擬法234
13.4案例研究：中心極限定理的證明236
13.5案例研究：發生一連串小概率事件的頻率237
13.6案例研究：臭名昭著的生日問題238
13.7案例研究（高級）：蒙提霍爾問題239
13.8案例研究（高級）：貝葉斯分析241
術語表242
參考文獻244
第14章大數據分析中的特殊注意事項246
14.1數據搜索理論246
14.2理論搜索中的數據247
14.3巨大的偏差248
14.4大數據的數據子集：不可加和不傳遞251
14.5其他大數據陷阱252
14.6案例研究（高級）：維數災難254
術語表257
參考文獻258
第15章大數據的失敗以及如何避免260
15.1失敗很常見260
15.2失敗的標準261
15.3復雜性264
15.4逐步走進大數據分析265
15.5失敗之後272
15.6案例研究：癌癥生物醫學信息學網格——遙遠的橋273
15.7案例研究：高斯Copula函數277
術語表278
參考文獻280
第16章數據再分析：比分析更重要283
16.1第一次分析（幾乎）總是錯的283
16.2為什麼再分析比分析更重要285
16.3案例研究：舊JADE對撞機數據的再分析287
16.4案例研究：通過再分析證明287
16.5案例研究：從舊數據中尋找新行星288
術語表289
參考文獻290
第17章大數據再利用294
17.1什麼是數據再利用294
17.2暗數據、廢棄數據和遺留數據296
17.3案例研究：從郵政編碼到人口統計學基礎297
17.4案例研究：基因序列數據庫的科學推斷298
17.5案例研究：將全球變暖與高強度颶風聯繫起來298
17.6案例研究：用地質數據推斷氣候趨勢299
17.7案例研究：環月影像恢復工程299
術語表301
參考文獻301
第18章數據共享和數據安全303
18.1什麼是數據共享，為什麼我們不共享更多數據303
18.2常見的不滿303
18.3數據安全和加密協議308
18.4案例研究：火星上的生命313
18.5案例研究：個人標識符314
術語表315
參考文獻317
第19章合法性320
19.1對數據的準確性和合法性負責320
19.2創建、使用和共享資源的權利322
19.3因使用標準而招致的版權和專利侵權行為324
19.4對個人的保護325
19.5許可問題326
19.6未經許可的數據330
19.7隱私策略332
19.8案例研究：大數據的時效性333
19.9案例：哈瓦蘇派的故事334
術語表335
參考文獻336
第20章社會問題338
20.1公眾的大數據感知338
20.2用大數據降低成本和提高生產效率340
20.3公眾的疑慮342
20.4從自己做起343
20.5誰是大數據344
20.6傲慢和誇張349
20.7案例研究：公民科學家351
20.8案例研究：喬治·奧威爾的《1984》354
術語表354
參考文獻355

本書介紹廣泛適用於大型復雜數據集的新方法，新版添加了大量應用實例及Python代碼示例，關注如何將原理付諸實踐。書中除了涵蓋常見的與大數據設計、架構、操作和分析相關的內容，還有涉及法律、社會和倫理問題的非技術性章節。書中描述的所有算法的核心部分都可以用幾行代碼輕松實現，幫助讀者掌握如何在不安裝新軟件和不購買新硬件的情況下，有效地完成自己的項目。

(美)朱爾斯·J.伯曼 著 張桂剛 等 譯