大数据工具应用——微课视频版

作者: 钟雪灵 , 郭艺辉 , 侯·P , 刘晓庆 , 黄承慧 , 彭诗力

出版社: 清华大学出版社

出版时间: 2020-09

版次: 1

ISBN: 9787302559641

装帧: 其他

开本: 16开

纸张: 胶版纸

分类: 教材教辅考试>教材>大学教材>工程技术

7 张插图图片

124人买过

本课程面向非计算机专业学生，以普及大数据基础知识和工具为目标，力图构建一门新的大数据入门学习课程。课程包括数据获取、数据挖掘、数据呈现和数据思维等四部分内容。课程立足应用入门，突出八爪鱼、Weka和Tableau等主流工具应用，强调案例教学。通过本课程学习，学生们能够掌握一定的数据获取、分析与呈现技能，初步建立数据思维。而且，学习先决条件仅为熟练使用Word和Excel，教学与学习中都无需编程，可视为基本无门槛。截止目前为止，在国内众多在线开放课程平台和教材市场上，未发现有同类型的课程。钟雪灵，博士，广东金融学院互联网金融与信息工程学院教授，副院长。主持和参与多项国家自然科学基金项目和国家社会科学基金项目。在Naval Research Logistics，European Journal of Operational Research等期刊发表论文数十篇。主编《Python程序设计基础》和《算法基础与实验》两部教材。主持《大数据工具应用》在线开放课程。第1章  大数据基本概念及其应用00

1.1  大数据应用概况00

1.1.1  大数据的定义00

1.1.2  大数据的特点00

1.1.3  大数据的结构00

1.1.4  相关技术00

1.1.5  现状与趋势00

1.2  大数据处理步骤00

1.2.1  数据获取00

1.2.2  数据存储00

1.2.3  数据管理00

1.2.4  数据分析0

1.3  应用案例0

1.3.1  商品推荐服务0

1.3.2  公共信息服务0

1.3.3  数据呈现服务0

第2章  数据获取0

2.1  格式转换与数据清洗整理0

2.2  网页数据获取0

2.2.1  八爪鱼采集原理与安装0

2.2.2  模板采集任务0

2.2.3  自定义采集模式0

第3章  数据分析入门0

3.1  Weka简介与数据预处理0

3.1.1  软件下载 0

3.1.2  文件与数据格式0

3.1.3  Weka程序界面0

3.1.4  数据预处理0

3.2  数据分类0

3.2.1  J48决策树分类器0

3.2.2  LinearRegression分类器0

3.2.3  M5P分类器0

3.3  数据聚类0

3.3.1  SimpleKMeans聚类器0

3.3.2  EM聚类器0

3.3.3  DBSCAN聚类器0

3.4  数据关联0

3.4.1  关联规则相关概念0

3.4.2  Apriori算法介绍0

3.4.3  Weka中Apriori关联规则挖掘0

3.5  选择属性0

3.5.1  属性选择概述0

3.5.2  Weka中Select attributes标签页0

3.5.3  选择属性模式介绍0

3.5.4  Weka中选择属性操作示例0

3.6  数据可视化0

3.6.1  Visualize标签页0

3.6.2  数值型类别属性可视化0

第4章  数据分析进阶0

4.1  贝叶斯网络0

4.1.1  贝叶斯公式简介0

4.1.2  贝叶斯网络简介

4.1.3  创建贝叶斯网络

4.1.4  使用贝叶斯网络进行推理

4.2  神经网络

4.2.1  神经网络介绍

4.2.2  Weka神经网络选项设置

4.2.3  编辑神经网络

4.2.4  神经网络参数调整

4.3  时间序列分析及预测

第5章  Tableau数据可视化

5.1  Tableau概述与入门

5.1.1  概述

5.1.2  下载与安装

5.1.3  数据类型

5.1.4  Tableau Desktop软件界面

5.1.5  文件类型

5.2  初级可视化分析

5.2.1  条形图

5.2.2  直方图

5.2.3  饼图

5.2.4  折线图

5.2.5  压力图

5.2.6  树地图

5.2.7  气泡图

5.3  地图分析

5.3.1  认识地图

5.3.2  创建地图

5.4  高级数据操作

5.4.1  分层结构

5.4.2  组

5.4.3  集

5.4.4  参数

5.4.5  计算字段

5.5  分析图表整合

5.6  案例一：无锡市宜居时间分析

5.6.1  创建计算字段

5.6.2  空气质量

5.6.3  气温

5.6.4  宜居时间

5.6.5  制作仪表板

5.7  案例二：佛山市纳税企业增长情况分析

5.7.1  创建字段

5.7.2  预测

5.7.3  剖析行业

5.7.4  剖析区域

5.7.5  制作仪表板

5.7.6  分析

第6章  数据分析拓展

6.1  数据分析拓展引言

6.1.1  研究背景及实验数据

6.1.2  研究方法

6.2  k最近邻算法

6.2.1  k最近邻算法的基本原理

6.2.2  Weka中k最近邻算法(kNN)应用实践

6.3  支持向量机

6.3.1  支持向量机算法基本原理

6.3.2  Weka中SVM算法应用实践

6.4  逻辑回归算法

6.4.1  逻辑回归算法基本原理

6.4.2  Weka中的逻辑回归算法应用实践

6.5  随机森林算法

6.5.1  随机森林算法基本原理

6.5.2  Weka中的随机森林算法应用实践

6.6  模型性能评估(一)

6.7  模型性能评估(二)

第7章  数据思维

7.1  数据分析基础

7.1.1  相关概念

7.1.2  数据分析可以帮用户做什么

7.1.3  如何做有效的数据分析

7.2  数据分析思维、过程和方法

7.2.1  数据分析思维

7.2.2  数据分析过程

7.2.3  数据分析方法

7.2.4  数据分析结果展示

参考文献
内容简介:
本课程面向非计算机专业学生，以普及大数据基础知识和工具为目标，力图构建一门新的大数据入门学习课程。课程包括数据获取、数据挖掘、数据呈现和数据思维等四部分内容。课程立足应用入门，突出八爪鱼、Weka和Tableau等主流工具应用，强调案例教学。通过本课程学习，学生们能够掌握一定的数据获取、分析与呈现技能，初步建立数据思维。而且，学习先决条件仅为熟练使用Word和Excel，教学与学习中都无需编程，可视为基本无门槛。截止目前为止，在国内众多在线开放课程平台和教材市场上，未发现有同类型的课程。
作者简介:
钟雪灵，博士，广东金融学院互联网金融与信息工程学院教授，副院长。主持和参与多项国家自然科学基金项目和国家社会科学基金项目。在Naval Research Logistics，European Journal of Operational Research等期刊发表论文数十篇。主编《Python程序设计基础》和《算法基础与实验》两部教材。主持《大数据工具应用》在线开放课程。
目录:
第1章  大数据基本概念及其应用00

1.1  大数据应用概况00

1.1.1  大数据的定义00

1.1.2  大数据的特点00

1.1.3  大数据的结构00

1.1.4  相关技术00

1.1.5  现状与趋势00

1.2  大数据处理步骤00

1.2.1  数据获取00

1.2.2  数据存储00

1.2.3  数据管理00

1.2.4  数据分析0

1.3  应用案例0

1.3.1  商品推荐服务0

1.3.2  公共信息服务0

1.3.3  数据呈现服务0

第2章  数据获取0

2.1  格式转换与数据清洗整理0

2.2  网页数据获取0

2.2.1  八爪鱼采集原理与安装0

2.2.2  模板采集任务0

2.2.3  自定义采集模式0

第3章  数据分析入门0

3.1  Weka简介与数据预处理0

3.1.1  软件下载 0

3.1.2  文件与数据格式0

3.1.3  Weka程序界面0

3.1.4  数据预处理0

3.2  数据分类0

3.2.1  J48决策树分类器0

3.2.2  LinearRegression分类器0

3.2.3  M5P分类器0

3.3  数据聚类0

3.3.1  SimpleKMeans聚类器0

3.3.2  EM聚类器0

3.3.3  DBSCAN聚类器0

3.4  数据关联0

3.4.1  关联规则相关概念0

3.4.2  Apriori算法介绍0

3.4.3  Weka中Apriori关联规则挖掘0

3.5  选择属性0

3.5.1  属性选择概述0

3.5.2  Weka中Select attributes标签页0

3.5.3  选择属性模式介绍0

3.5.4  Weka中选择属性操作示例0

3.6  数据可视化0

3.6.1  Visualize标签页0

3.6.2  数值型类别属性可视化0

第4章  数据分析进阶0

4.1  贝叶斯网络0

4.1.1  贝叶斯公式简介0

4.1.2  贝叶斯网络简介

4.1.3  创建贝叶斯网络

4.1.4  使用贝叶斯网络进行推理

4.2  神经网络

4.2.1  神经网络介绍

4.2.2  Weka神经网络选项设置

4.2.3  编辑神经网络

4.2.4  神经网络参数调整

4.3  时间序列分析及预测

第5章  Tableau数据可视化

5.1  Tableau概述与入门

5.1.1  概述

5.1.2  下载与安装

5.1.3  数据类型

5.1.4  Tableau Desktop软件界面

5.1.5  文件类型

5.2  初级可视化分析

5.2.1  条形图

5.2.2  直方图

5.2.3  饼图

5.2.4  折线图

5.2.5  压力图

5.2.6  树地图

5.2.7  气泡图

5.3  地图分析

5.3.1  认识地图

5.3.2  创建地图

5.4  高级数据操作

5.4.1  分层结构

5.4.2  组

5.4.3  集

5.4.4  参数

5.4.5  计算字段

5.5  分析图表整合

5.6  案例一：无锡市宜居时间分析

5.6.1  创建计算字段

5.6.2  空气质量

5.6.3  气温

5.6.4  宜居时间

5.6.5  制作仪表板

5.7  案例二：佛山市纳税企业增长情况分析

5.7.1  创建字段

5.7.2  预测

5.7.3  剖析行业

5.7.4  剖析区域

5.7.5  制作仪表板

5.7.6  分析

第6章  数据分析拓展

6.1  数据分析拓展引言

6.1.1  研究背景及实验数据

6.1.2  研究方法

6.2  k最近邻算法

6.2.1  k最近邻算法的基本原理

6.2.2  Weka中k最近邻算法(kNN)应用实践

6.3  支持向量机

6.3.1  支持向量机算法基本原理

6.3.2  Weka中SVM算法应用实践

6.4  逻辑回归算法

6.4.1  逻辑回归算法基本原理

6.4.2  Weka中的逻辑回归算法应用实践

6.5  随机森林算法

6.5.1  随机森林算法基本原理

6.5.2  Weka中的随机森林算法应用实践

6.6  模型性能评估(一)

6.7  模型性能评估(二)

第7章  数据思维

7.1  数据分析基础

7.1.1  相关概念

7.1.2  数据分析可以帮用户做什么

7.1.3  如何做有效的数据分析

7.2  数据分析思维、过程和方法

7.2.1  数据分析思维

7.2.2  数据分析过程

7.2.3  数据分析方法

7.2.4  数据分析结果展示

参考文献