正版
大数据技术与应用专业人才培养研究
- 书名
- 大数据技术与应用专业人才培养研究
- 作者
- 高咏梅 著
- 出版社
- 哈尔滨出版社
- 出版时间
- 2022-02-01
- ISBN
- 9787548461272
- 货号
- 1204674962
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- 大数据技术与应用专业人才培养研究
- 作者
- 高咏梅 著
- 出版社
- 哈尔滨出版社
- 出版时间
- 2022-02-01
- ISBN
- 9787548461272
- 货号
- 1204674962
- 品相
- 全新
- 分类
- 当代·工业
目录▼
第一章 大数据理论与大数据时代初探
第一节大数据的内涵与发展
第二节大数据的主要应用价值与挑战
第三节大数据时代及其特征
第二章大数据处理架构与技术解读
第一节 大数据处理架构Hadoop及其生态系统
第二节 大数据处理架构SPSS Modeler及其文本挖掘
第三节大数据存储与管理研究
第三章数据挖掘技术及其常用算法.
第一节数据挖掘理论与技术
第二节数据挖掘艺术及其应用
第三节数据关联规则挖掘及其算法
第四章大数据应用型专业人才培养研究
第一节应用型专业人才及其能力结构透视
第二节 应用型专业人才培养的理论依据
第三节应用型本科人才培养目标与规格
第四节基于学科融合的大数据专业人才培养探索
第五章 大数据应用型专业人才培养模式与模型构建研究
第一节人才培养模式与人才培养策略解读
第二节现行人才培养模式及其影响因素分析
第三节大数据专业人才培养问题与模型构建
第四节基于OBE的大数据人才培养质量评价.
结束语..
参考文献.
文摘▼
第一章大数据理论与大数据时代初探
大数据时代,数据成为企业生存和发展的基石,互联网技术快速发展,人、机、物三元世界的高度融合引发了数据的爆炸式增长,世界已经进入了大数据时代。本章重点探讨大数据的内涵与发展、大数据的主要应用价值与挑战、大数据时代及其特征。
第一节大数据的内涵与发展
一、大数据的内涵
不同领域的组织和专家对于大数据的理解略有不同,但其内在的价值却得到了一致的肯定。大数据这一概念提出得并不早,从2009年提出至今,人们对它的认知都还不够全面,处于探索阶段。要想充分挖掘出数据中的价值和知识并为我们所用,了解大数据的基本概念、把握大数据的特征及类型、理解大数据与信息知识的内在联系是最基本的工作。
(一)大数据的定义
大数据是一种人工在合理时限内无法处理整合的规模巨大的抽象信息。数据规模如此之大,以至人类没有办法对其进行精准的科学活动。而有的人认为,大数据不应该这样定义,而认为大数据就是高速获取有效信息。前者是从大数据本身出发所给出的描述性概念,后者则表述了大数据的重大作用。
连接物理世界、信息空间和人类社会的纽带从宏观角度上来看就是大数据。因为物理世界通过互联网、物联网等技术有了在信息空间的大数据反映,而人类社会则借助人机界面、脑机界面、移动互连等手段在信息空间中产生自己的大数据映像。从信息产业的角度来讲,大数据还是新一代信息技术产业的强劲推动力。
(二)大数据的产生与来源
随着新一代信息技术的飞速发展和广泛应用,其中互联网、移动互联网、社交网络等技术的迅猛发展带领我们进入了一个大数据的时代。下面从几个方面阐述大数据的产生与来源。
1.传统数据库的大数据
从企业的角度来看,企业内部的管理系统,比如企业资源计划(EPR)系统、办公自动化(OA)系统、客户关系管理(CRM)系统等,其产生的数据通过多年的积累和沉淀形成企业内部数据。这些数据在企业决策方面具有重要作用。
从传统数据库角度来看,业务系统的运行伴随着数据的产生,数据库便是这些数据的“容器”。
2.移动互联网的大数据
智能手机的普及使移动互联网占据了人们生活极其重要的一部分。人们通过手机等移动终端获取社会资讯、与其他用户进行交互,随时随地生产数据流量。工信部数据显示,移动互联网在互联网中有着举足轻重的地位,而其迅猛的发展趋势也让更多人参与到数据的生产中来。
3.物联网的大数据
物联网(The Intermet of Things)是一个基于互联网、传统电信网等信息承载体,让所有能够被独立寻址的普通物理对象实现互联互通的网络。随着传感器、视频以及各种智能设备的发展,其产生的数据是极其庞大的,并且数据的生成方式也有了根本性的不同。
(三)大数据的技术分析
大数据科学,顾名思义就是寻找快速发展和运营的网络中的规律,并且将其应用于验证大数据和人类社会之间复杂的关系。大数据工程是通过规划建设大数据运营管理整个系统。大数据应用主要体现在业务需求方面,而在此之前,大数据需要对包括大规模并行处理(MPP)数据库、分布式文件系统、数据挖掘电网、云计算平台、分布式数据库、互联网和可扩展的存储系统的数据进行有效处理和精准分析。以上大数据科学、大数据工程和大数据应用便是现今主要的大数据技术。
现在用于大数据分析的两个工具就是包括Hadoop HDFS、Hadoop MapReduce、HBase等的开源大数据和一体机数据库、数据仓库及数据集市在内的商用两个生态圈。由于大型数据分析需要大量计算机持续高效分配工作,而大量非结构化数据需要大量时间和资金来处理分析关系型数据库,因此大数据分析和云计算经常被同时提及。和传统的大数据不同的是,现在的大数据分析存在数据仓库数据量大、查询分析复杂的问题。
目前大数据把时间作为处理要求,流处理和批处理是两种主要处理方式。流处理广泛应用于在线数据,一般而言都是秒或毫秒级别的。其技术在某种程度上已经比较成熟了,比如Storm、S4和Kalka这些具有代表性的开源系统。流处理会在最短时间内处理得到的数据并且分析出来精准科学的结果,因为它是处理假设数据的潜在价值,着重于数据的新鲜度。数据接连传送过来,流携带了巨量的数据,其中只有相当小的部分被保存在十分有限的内存中。而批处理通俗来讲就是数据先被储存再被分析。其中MapReduce就是具有重……





