大数据原理与实践：复杂信息的准备、共享和分析（原书第2版）
| 作者 |
| [美]朱尔斯·J. 伯曼（Jules J. Berman） |
| 丛书名 |
| 数据科学与工程技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111657903 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 当大数据资源变得越发复杂时，仅靠更强大的计算机系统已无法解决问题。本书带我们重新审视数据准备环节，重点讨论了其中至关重要但又常常被忽略的主题——标识符、不变性、内省和数据索引。此外，书中也涵盖常见的与大数据设计、架构、操作和分析相关的内容，以及涉及法律、社会和伦理问题的非技术性章节。全书视角独特，涉猎广博，尤以医学大数据分析见长，强调基本原理，不关注编程细节和数学公式，适合企业决策者、技术专家以及计算机相关专业的学生阅读。 |
| 目录 |
| 译者序 第2版前言 第1版前言 作者简介 第1章 引言 1 1.1 大数据的定义 1 1.2 大数据与小数据 2 1.3 大数据在哪里 5 1.4 大数据最常见的目的是产生小数据 6 1.5 大数据是研究领域的中心话题 6 术语表 7 参考文献 11 第2章 为非结构化数据提供结构 13 2.1 几乎所有数据都是非结构化的、 不可用的原始形式 13 2.2 词汇索引 14 2.3 术语提取 16 2.4 构建索引 19 2.5 自动编码 20 2.6 案例研究：宇宙中任意原子精确位置的快速定位（需要安装一些软件） 24 2.7 案例研究（高级）：一个完整的自动编码器（12行Python代码） 26 2.8 案例研究：以词汇索引进行文本转换 28 2.9 案例研究（高级）：Burrows Wheeler变换 30 术语表 32 参考文献 43 第3章 标识、去标识和重标识 45 3.1 什么是标识符 45 3.2 标识符和标识系统之间的区别 46 3.3 生成唯一标识符 48 3.4 糟糕的标识方法 50 3.5 注册唯一对象标识符 53 3.6 去标识和重标识 55 3.7 案例研究：数据清理 57 3.8 案例研究（高级）：图像标题中的标识符 59 3.9 案例研究：单向散列函数 61 术语表 63 参考文献 69 第4章 元数据、语义和三元组 71 4.1 元数据 71 4.2 可扩展标记语言 71 4.3 语义和三元组 72 4.4 命名空间 74 4.5 案例研究：三元组的语法 75 4.6 案例研究：Dublin Core 77 术语表 78 参考文献 80 第5章 分类和本体论 81 5.1 关于对象关系的全部 81 5.2 分类：最简单的本体 84 5.3 本体：有多个父类的类 86 5.4 分类模型选择 88 5.5 类混合 91 5.6 本体开发的常见陷阱 92 5.7 案例研究：上层本体 93 5.8 案例研究（高级）：悖论 94 5.9 案例研究（高级）：RDF框架和类属性 96 5.10 案例研究（高级）：可视化类关系 98 术语表 102 参考文献 111 第6章 内省 113 6.1 自我认知 113 6.2 数据对象：每个大数据集合中最基本的元素 116 6.3 大数据如何使用内省 117 6.4 案例研究：时间戳数据 119 6.5 案例研究：TripleStore 简介 121 6.6 案例研究（高级）：大数据必须是面向对象的证明 125 术语表 126 参考文献 127 第7章 标准和数据集成 128 7.1 标准 128 7.2 规范与标准 132 7.3 版本控制 134 7.4 合规问题 135 7.5 案例研究：标准化巧克力茶壶 135 术语表 136 参考文献 137 第8章 不变性和永久性 139 8.1 数据不变性的重要性 139 8.2 不变性和标识符 140 8.3 数据产生数据 142 8.4 跨机构协调标识符 143 8.5 案例研究：可信时间戳 144 8.6 案例研究：区块链和分布式账本 145 8.7 案例研究（高级）：零知识协调 147 术语表 148 参考文献 150 第9章 评估大数据资源的充分性 152 9.1 观察数据 152 9.2 大数据的最小必要属性 158 9.3 附加条件的数据 161 9.4 案例研究：用于查看和搜索大型文件的实用程序 162 9.5 案例研究：数据扁平化 164 术语表 164 参考文献 169 第10章 测量 170 10.1 准确性与精度 170 10.2 数据范围 171 10.3 计数 173 10.4 数据标准化和变换 176 10.5 约简数据 179 10.6 理解控制 181 10.7 没有实际意义的统计意义 182 10.8 案例研究：基因计数 183 10.9 案例研究：早期生物特征和狭窄数据范围的意义 184 术语表 185 参考文献 186 第11章 快速简单的大数据分析必不可少的技巧 188 11.1 速度和可扩展性 188 11.2 适用于大数据的快速操作，并且每台计算机都支持 193 11.3 点积—一种简单快速的相关方法 197 11.4 聚类 199 11.5 数据持久性方法（不使用数据库） 201 11.6 案例研究：爬升分类 202 11.7 案例研究（高级）：数据库示例 203 11.8 案例研究（高级）：NoSQL 205 术语表 205 参考文献 209 第12章 寻找大型数据集中的线索 211 12.1 分母 211 12.2 词频分布 212 12.3 异常值和异常 215 12.4 封底分析 216 12.5 案例研究：预测用户偏好 218 12.6 案例研究：人口数据的多模态 219 12.7 案例研究：大小黑洞 220 术语表 220 参考文献 224 第13章 使用随机数将大数据分析问题的规模缩小 225 13.1 （伪）随机数的显著效用 225 13.2 重采样 230 13.3 蒙特卡罗模拟法 234 13.4 案例研究：中心极限定理的证明 236 13.5 案例研究：发生一连串小概率事件的频率 237 13.6 案例研究：臭名昭著的生日问题 238 13.7 案例研究（高级）：蒙提霍尔问题 239 13.8 案例研究（高级）：贝叶斯分析 241 术语表 242 参考文献 244 第14章 大数据分析中的特殊注意事项 246 14.1 数据搜索理论 246 14.2 理论搜索中的数据 247 14.3 巨大的偏差 248 14.4 大数据的数据子集：不可加和不传递 251 14.5 其他大数据陷阱 252 14.6 案例研究（高级）：维数灾难 254 术语表 257 参考文献 258 第15章 大数据的失败以及如何避免 260 15.1 失败很常见 260 15.2 失败的标准 261 15.3 复杂性 264 15.4 逐步走进大数据分析 265 15.5 失败之后 272 15.6 案例研究：癌症生物医学信息学网格—遥远的桥 273 15.7 案例研究：高斯Copula函数 277 术语表 278 参考文献 280 第16章 数据再分析：比分析更重要 283 16.1 第一次分析（几乎）总是错的 283 16.2 为什么再分析比分析更重要 285 16.3 案例研究：旧JADE对撞机数据的再分析 287 16.4 案例研究：通过再分析证明 287 16.5 案例研究：从旧数据中寻找新行星 288 术语表 289 参考文献 290 第17章 大数据再利用 294 17.1 什么是数据再利用 294 17.2 暗数据、废弃数据和遗留数据 296 17.3 案例研究：从邮政编码到人口统计学基础 297 17.4 案例研究：基因序列数据库的科学推断 298 17.5 案例研究：将全球变暖与高强度飓风联系起来 298 17.6 案例研究：用地质数据推断气候趋势 299 17.7 案例研究：环月影像恢复工程 299 术语表 301 参考文献 301 第18章 数据共享和数据安全 303 18.1 什么是数据共享，为什么我们不共享更多数据 303 18.2 常见的不满 303 18.3 数据安全和加密协议 308 18.4 案例研究：火星上的生命 313 18.5 案例研究：个人标识符 314 术语表 315 参考文献 317 第19章 合法性 320 19.1 对数据的准确性和合法性负责 320 19.2 创建、使用和共享资源的权利 322 19.3 因使用标准而招致的版权和专利侵权行为 324 19.4 对个人的保护 325 19.5 许可问题 326 19.6 未经许可的数据 330 19.7 隐私策略 332 19.8 案例研究：大数据的时效性 333 19.9 案例：哈瓦苏派的故事 334 术语表 335 参考文献 336 第20章 社会问题 338 20.1 公众的大数据感知 338 20.2 用大数据降低成本和提高生产效率 340 20.3 公众的疑虑 342 20.4 从自己做起 343 20.5 谁是大数据 344 20.6 傲慢和夸张 349 20.7 案例研究：公民科学家 351 20.8 案例研究：乔治·奥威尔的《1984》 354 术语表 354 参考文献 355 |
有问题微信扫码联系