大數(shù)據(jù)應(yīng)用與創(chuàng)新創(chuàng)業(yè)

1 認識大數(shù)據(jù)
1．1 大數(shù)據(jù)及其價值
1．1．1 什么是大數(shù)據(jù)？
1．1．2 浩瀚的數(shù)據(jù)海洋
1．1．3 應(yīng)對大數(shù)據(jù)帶來的挑戰(zhàn)與機遇
1．1．4 大數(shù)據(jù)的價值與應(yīng)用
1．2 大數(shù)據(jù)產(chǎn)生的時代背景
1．2．1 移動互聯(lián)網(wǎng)與大數(shù)據(jù)
1．2．2 物聯(lián)網(wǎng)與大數(shù)據(jù)
1．2．3 云計算與大數(shù)據(jù)
1．2．4 人工智能、機器學習與大數(shù)據(jù)
1．3 大數(shù)據(jù)的特征和類型
1．3．1 大數(shù)據(jù)的基本特征
1．3．2 大數(shù)據(jù)的類型
1．4 大數(shù)據(jù)與小數(shù)據(jù)
1．4．1 什么是小數(shù)據(jù)
1．4．2 小數(shù)據(jù)的作用
1．4．3 大數(shù)據(jù)與小數(shù)據(jù)的關(guān)系
1．5 延伸閱讀
1．5．1 延伸閱讀：阿里的城市大腦
1．5．2 延伸閱讀：大數(shù)據(jù)時代沒有信用寸步難行
1．6 本章小結(jié)
1．7 習題
參考文獻
2 大數(shù)據(jù)分析的基本理論與技術(shù)
2．1 大數(shù)據(jù)分析及處理流程
2．1．1 大數(shù)據(jù)分析項目管理流程
2．1．2 大數(shù)據(jù)分析處理流程
2．2 大數(shù)據(jù)的采集
2．2．1 數(shù)據(jù)的采集方法
2．2．2 數(shù)據(jù)交易平臺
2．2．3 常用免費數(shù)據(jù)源
2．2．4 常用數(shù)據(jù)采集軟件
2．2．5 數(shù)據(jù)采集的法律風險
2．3 大數(shù)據(jù)預處理
2．3．1 數(shù)據(jù)質(zhì)量管理
2．3．2 數(shù)據(jù)清洗
2．3．3 數(shù)據(jù)集成
2．3．4 數(shù)據(jù)變換
2．3．5 數(shù)據(jù)歸約
2．4 大數(shù)據(jù)的分析
2．4．1 常用分析方法
2．4．2 用戶畫像分析
2．4．3 距離及相似性計算
2．4．4 分類分析
2．4．5 聚類分析
2．4．6 回歸分析
2．4．7 關(guān)聯(lián)規(guī)則
2．4．8 推薦算法
2．5 大數(shù)據(jù)的可視化
2．5．1 大數(shù)據(jù)可視化的作用
2．5．2 大數(shù)據(jù)可視化的標準及基本特征
2．5．3 常用的可視化工具
2．5．4 常用可視化圖形
2．6 延伸閱讀
2．6．1 延伸閱讀：“用戶畫像”直擊零售商需求
2．6．2 延伸閱讀：Target基于數(shù)據(jù)分析的精準銷售
2．7 本章小結(jié)
2．8 習題
參考文獻
……
3 大數(shù)據(jù)分析軟件的使用
4 大數(shù)據(jù)的典型應(yīng)用
5 大數(shù)據(jù)在創(chuàng)新創(chuàng)業(yè)中的應(yīng)用
索引