高育良
(高植物)
1
下载链接
夸克网盘
封面
2 (p1): 第1章 大数据概述
2 (p1-1): 1.1数据
2 (p1-1-1): 1.1.1数据的概念
2 (p1-1-2): 1.1.2数据类型
3 (p1-1-3): 1.1.3数据组织形式
3 (p1-1-4): 1.1.4数据生命周期
3 (p1-1-5): 1.1.5数据的使用
5 (p1-1-6): 1.1.6数据的价值
5 (p1-1-7): 1.1.7数据爆炸
6 (p1-2): 1.2大数据时代
6 (p1-2-1): 1.2.1第三次信息化浪潮
6 (p1-2-2): 1.2.2信息科技为大数据时代提供技术支撑
9 (p1-2-3): 1.2.3数据产生方式的变革促成大数据时代的来临
11 (p1-3): 1.3大数据的发展历程
13 (p1-4): 1.4世界各国的大数据发展战略
13 (p1-4-1): 1.4.1美国
14 (p1-4-2): 1.4.2英国
14 (p1-4-3): 1.4.3法国
14 (p1-4-4): 1.4.4韩国
15 (p1-4-5): 1.4.5 日本
15 (p1-4-6): 1.4.6中国
16 (p1-5): 1.5大数据的概念
16 (p1-5-1): 1.5.1数据量大
17 (p1-5-2): 1.5.2数据类型繁多
18 (p1-5-3): 1.5.3处理速度快
18 (p1-5-4): 1.5.4价值密度低
19 (p1-6): 1.6大数据的影响
19 (p1-6-1): 1.6.1大数据对科学研究的影响
20 (p1-6-2): 1.6.2大数据对社会发展的影响
21 (p1-6-3): 1.6.3大数据对就业市场的影响
22 (p1-6-4): 1.6.4大数据对人才培养的影响
23 (p1-7): 1.7大数据的应用
25 (p1-8): 1.8大数据产业
26 (p1-9): 1.9本章小结
26 (p1-10): 习题
30 (p2): 第2章 大数据与云计算、物联网、人工智能
30 (p2-1): 2.1云计算
30 (p2-1-1): 2.1.1云计算的概念
33 (p2-1-2): 2.1.2云计算的服务模式和类型
33 (p2-1-3): 2.1.3云计算数据中心
34 (p2-1-4): 2.1.4云计算的应用
35 (p2-1-5): 2.1.5云计算产业
36 (p2-2): 2.2物联网
36 (p2-2-1): 2.2.1物联网的概念
37 (p2-2-2): 2.2.2物联网的关键技术
39 (p2-2-3): 2.2.3物联网的应用
40 (p2-2-4): 2.2.4物联网产业
40 (p2-3): 2.3大数据与云计算、物联网的关系
42 (p2-4): 2.4人工智能
42 (p2-4-1): 2.4.1人工智能的概念
42 (p2-4-2): 2.4.2人工智能的关键技术
47 (p2-4-3): 2.4.3人工智能的应用
51 (p2-4-4): 2.4.4人工智能产业
54 (p2-5): 2.5大数据与人工智能的关系
55 (p2-6): 2.6本章小结
55 (p2-7): 习题
58 (p3): 第3章 大数据技术
58 (p3-1): 3.1概述
58 (p3-2): 3.2数据采集与预处理
59 (p3-2-1): 3.2.1数据采集的概念
59 (p3-2-2): 3.2.2数据采集的3大要点
60 (p3-2-3): 3.2.3数据采集的数据源
61 (p3-2-4): 3.2.4数据清洗
63 (p3-3): 3.3数据存储和管理
63 (p3-3-1): 3.3.1传统的数据存储和管理技术
65 (p3-3-2): 3.3.2大数据时代的数据存储和管理技术
67 (p3-4): 3.4数据处理与分析
67 (p3-4-1): 3.4.1数据挖掘和机器学习算法
68 (p3-4-2): 3.4.2大数据处理与分析技术
70 (p3-5): 3.5数据可视化
70 (p3-5-1): 3.5.1数据可视化的概念
71 (p3-5-2): 3.5.2数据可视化的重要作用
73 (p3-5-3): 3.5.3数据可视化案例
75 (p3-6): 3.6数据安全和隐私保护
75 (p3-6-1): 3.6.1数据安全技术
76 (p3-6-2): 3.6.2隐私保护技术
76 (p3-7): 3.7本章小结
76 (p3-8): 习题
80 (p4): 第4章 大数据应用
80 (p4-1): 4.1大数据在互联网领域的应用
80 (p4-1-1): 4.1.1推荐系统的概念
81 (p4-1-2): 4.1.2长尾理论
81 (p4-1-3): 4.1.3推荐方法
82 (p4-1-4): 4.1.4推荐系统模型
83 (p4-1-5): 4.1.5推荐系统的应用
84 (p4-2): 4.2大数据在生物医学领域的应用
84 (p4-2-1): 4.2.1流行病预测
87 (p4-2-2): 4.2.2智慧医疗
88 (p4-2-3): 4.2.3生物信息学
89 (p4-2-4): 4.2.4案例:基于大数据的综合健康服务平台
93 (p4-3): 4.3大数据在物流领域的应用
93 (p4-3-1): 4.3.1智能物流的概念
94 (p4-3-2): 4.3.2智能物流的作用
94 (p4-3-3): 4.3.3智能物流的应用
95 (p4-3-4): 4.3.4大数据是智能物流的关键
95 (p4-3-5): 4.3.5中国智能物流骨干网——菜鸟
98 (p4-4): 4.4大数据在城市管理领域的应用
98 (p4-4-1): 4.4.1智能交通
99 (p4-4-2): 4.4.2环保监测
100 (p4-4-3): 4.4.3城市规划
101 (p4-4-4): 4.4.4安防领域
102 (p4-5): 4.5大数据在金融领域的应用
102 (p4-5-1): 4.5.1高频交易
102 (p4-5-2): 4.5.2市场情绪分析
103 (p4-5-3): 4.5.3信贷风险分析
104 (p4-5-4): 4.5.4大数据征信
106 (p4-6): 4.6大数据在汽车领域的应用
107 (p4-7): 4.7大数据在零售领域的应用
107 (p4-7-1): 4.7.1发现关联购买行为
108 (p4-7-2): 4.7.2客户群体细分
109 (p4-7-3): 4.7.3供应链管理
109 (p4-8): 4.8大数据在餐饮领域的应用
109 (p4-8-1): 4.8.1餐饮行业拥抱大数据
109 (p4-8-2): 4.8.2餐饮020
111 (p4-9): 4.9大数据在电信领域的应用
112 (p4-10): 4.10大数据在能源领域的应用
113 (p4-11): 4.11大数据在体育和娱乐领域的应用
113 (p4-11-1): 4.11.1训练球队
114 (p4-11-2): 4.11.2投拍影视作品
115 (p4-11-3): 4.11.3预测比赛结果
116 (p4-12): 4.12大数据在安全领域的应用
116 (p4-12-1): 4.12.1大数据与国家安全
117 (p4-12-2): 4.12.2应用大数据技术防御网络攻击
117 (p4-12-3): 4.12.3警察应用大数据工具预防犯罪
118 (p4-13): 4.13大数据在政府领域的应用
119 (p4-14): 4.14大数据在日常生活中的应用
120 (p4-15): 4.15本章小结
121 (p4-16): 习题
124 (p5): 第5章 大数据安全
124 (p5-1): 5.1传统数据安全
124 (p5-2): 5.2大数据安全与传统数据安全的不同
125 (p5-3): 5.3大数据安全问题
125 (p5-3-1): 5.3.1隐私和个人信息安全问题
127 (p5-3-2): 5.3.2国家安全问题
128 (p5-4): 5.4典型案例
128 (p5-4-1): 5.4.1棱镜门事件
129 (p5-4-2): 5.4.2维基解密
129 (p5-4-3): 5.4.3 Facebook数据滥用事件
130 (p5-4-4): 5.4.4手机应用软件过度采集个人信息
131 (p5-4-5): 5.4.5 12306数据泄露
132 (p5-4-6): 5.4.6免费WiFi窃取用户信息
132 (p5-4-7): 5.4.7收集个人隐私信息的“探针盒子”
132 (p5-5): 5.5大数据保护的基本原则
133 (p5-5-1): 5.5.1数据主权原则
133 (p5-5-2): 5.5.2数据保护原则
133 (p5-5-3): 5.5.3数据自由流通原则
133 (p5-5-4): 5.5.4数据安全原则
134 (p5-6): 5.6大数据时代数据安全与隐私保护的对策
134 (p5-7): 5.7世界各国保护数据安全的实践
135 (p5-7-1): 5.7.1欧盟
136 (p5-7-2): 5.7.2美国
137 (p5-7-3): 5.7.3英国
137 (p5-7-4): 5.7.4中国
138 (p5-7-5): 5.7.5其他国家
139 (p5-8): 5.8本章小结
139 (p5-9): 习题
142 (p6): 第6章 大数据思维
142 (p6-1): 6.1传统的思维方式
142 (p6-2): 6.2大数据时代需要新的思维方式
143 (p6-3): 6.3大数据思维方式
144 (p6-3-1): 6.3.1全样而非抽样
144 (p6-3-2): 6.3.2效率而非精确
145 (p6-3-3): 6.3.3相关而非因果
145 (p6-3-4): 6.3.4以数据为中心
146 (p6-3-5): 6.3.5我为人人,人人为我
147 (p6-4): 6.4运用大数据思维的具体实例
147 (p6-4-1): 6.4.1商品比价网站
148 (p6-4-2): 6.4.2啤酒与尿布
148 (p6-4-3): 6.4.3零售商Target的基于大数据的商品营销
148 (p6-4-4): 6.4.4吸烟有害身体健康的法律诉讼
150 (p6-4-5): 6.4.5基于大数据的药品研发
151 (p6-4-6): 6.4.6基于大数据的谷歌广告
151 (p6-4-7): 6.4.7搜索引擎“点击模型”
152 (p6-4-8): 6.4.8迪士尼MagicBand手环
153 (p6-4-9): 6.4.9谷歌流感趋势预测
153 (p6-4-10): 6.4.10大数据的简单算法比小数据的复杂算法更有效
153 (p6-4-11): 6.4.11谷歌翻译
154 (p6-5): 6.5本章小结
154 (p6-6): 习题
158 (p7): 第7章 大数据伦理
158 (p7-1): 7.1大数据伦理概念
158 (p7-2): 7.2大数据伦理的典型案例
159 (p7-2-1): 7.2.1徐玉玉事件
159 (p7-2-2): 7.2.2大麦网撞库事件
159 (p7-2-3): 7.2.3大数据“杀熟”
160 (p7-2-4): 7.2.4隐性偏差问题
160 (p7-2-5): 7.2.5魏则西事件
161 (p7-2-6): 7.2.6“信息茧房”问题
162 (p7-3): 7.3大数据的伦理问题
162 (p7-3-1): 7.3.1隐私泄露问题
164 (p7-3-2): 7.3.2数据安全问题
164 (p7-3-3): 7.3.3数字鸿沟问题
165 (p7-3-4): 7.3.4数据独裁问题
165 (p7-3-5): 7.3.5数据垄断问题
166 (p7-3-6): 7.3.6数据的真实可靠问题
166 (p7-3-7): 7.3.7人的主体地位问题
167 (p7-4): 7.4大数据伦理问题产生的原因
167 (p7-4-1): 7.4.1人类社会价值观的转变
167 (p7-4-2): 7.4.2数据伦理责任主体不明确
167 (p7-4-3): 7.4.3相关主体的利益牵涉
168 (p7-4-4): 7.4.4道德规范的缺失
168 (p7-4-5): 7.4.5法律体系不健全
168 (p7-4-6): 7.4.6管理机制不完善
169 (p7-4-7): 7.4.7技术乌托邦的消极影响
169 (p7-4-8): 7.4.8大数据技术本身的缺陷
169 (p7-5): 7.5大数据伦理问题的治理
170 (p7-5-1): 7.5.1提高保护个人隐私数据的意识
170 (p7-5-2): 7.5.2加强大数据伦理规约的构建
170 (p7-5-3): 7.5.3努力实现以技术治理大数据
171 (p7-5-4): 7.5.4完善大数据立法
171 (p7-5-5): 7.5.5完善大数据伦理管理机制
171 (p7-5-6): 7.5.6引导企业坚持责任与利益并重
172 (p7-5-7): 7.5.7努力弘扬共享精神化解数字鸿沟
172 (p7-5-8): 7.5.8倡导跨行业跨部门合作
173 (p7-6): 7.6本章小结
173 (p7-7): 习题
176 (p8): 第8章 数据共享
176 (p8-1): 8.1数据孤岛问题
176 (p8-1-1): 8.1.1政府的数据孤岛问题
176 (p8-1-2): 8.1.2企业的数据孤岛问题
177 (p8-2): 8.2数据孤岛问题产生的原因
177 (p8-2-1): 8.2.1政府数据孤岛的产生原因
177 (p8-2-2): 8.2.2企业数据孤岛的产生原因
178 (p8-3): 8.3消除数据孤岛的重要意义
178 (p8-3-1): 8.3.1对于政府的意义
178 (p8-3-2): 8.3.2对于企业的意义
179 (p8-4): 8.4实现数据共享所面临的挑战
179 (p8-4-1): 8.4.1政府层面的挑战
179 (p8-4-2): 8.4.2企业层面的挑战
180 (p8-5): 8.5推进数据共享开放的举措
180 (p8-5-1): 8.5.1政府层面的举措
181 (p8-5-2): 8.5.2企业层面的举措
181 (p8-6): 8.6数据共享案例
181 (p8-6-1): 8.6.1案例1:菜鸟物流
182 (p8-6-2): 8.6.2案例2:政府一站式平台——i厦门
184 (p8-6-3): 8.6.3案例3:浙江打通政府数据,让群众最多跑一次
186 (p8-7): 8.7本章小结
186 (p8-8): 习题
188 (p9): 第9章 数据开放
188 (p9-1): 9.1政府开放数据的理论基础
188 (p9-1-1): 9.1.1数据资产理论
188 (p9-1-2): 9.1.2数据权理论
189 (p9-1-3): 9.1.3开放政府理论
190 (p9-2): 9.2政府信息公开与政府数据开放的联系与区别
191 (p9-3): 9.3政府数据开放的重要意义
191 (p9-3-1): 9.3.1政府开放数据有利于促进开放透明政府的形成
192 (p9-3-2): 9.3.2政府开放数据有利于创新创业和经济增长
192 (p9-3-3): 9.3.3政府开放数据有利于社会治理创新
193 (p9-4): 9.4国外政府开放数据的经验
193 (p9-4-1): 9.4.1概述
194 (p9-4-2): 9.4.2 G8数据开放原则
195 (p9-4-3): 9.4.3美国开放数据国家行动计划
195 (p9-4-4): 9.4.4英国开放数据国家行动计划
197 (p9-4-5): 9.4.5德国政府开放数据行动
197 (p9-4-6): 9.4.6日本政府开放数据行动
198 (p9-5): 9.5.国内政府开放数据
199 (p9-5-1): 9.5.1概述
199 (p9-5-2): 9.5.2我国政府数据开放制度体系
200 (p9-5-3): 9.5.3当前数据开放存在的主要问题
204 (p9-5-4): 9.5.4各地政府数据开放实践
208 (p9-6): 9.6政府数据开放的几点启示
209 (p9-7): 9.7本章小结
210 (p9-8): 习题
212 (p10): 第10章 大数据交易
212 (p10-1): 10.1概述
213 (p10-2): 10.2大数据交易发展现状
214 (p10-3): 10.3大数据交易平台
214 (p10-3-1): 10.3.1交易平台的类型
215 (p10-3-2): 10.3.2交易平台的数据来源
215 (p10-3-3): 10.3.3交易平台的产品类型
216 (p10-3-4): 10.3.4交易平台涉及的主要领域
216 (p10-3-5): 10.3.5平台的交易规则
216 (p10-3-6): 10.3.6交易平台的运营模式
217 (p10-3-7): 10.3.7代表性的大数据交易平台
218 (p10-4): 10.4大数据交易在发展过程中出现的问题
218 (p10-4-1): 10.4.1互联网数据马太效应显现
219 (p10-4-2): 10.4.2大数据产权界定不清晰
219 (p10-4-3): 10.4.3大数据交易规则和标准缺乏
219 (p10-4-4): 10.4.4数据估值定价机制有待完善
220 (p10-4-5): 10.4.5大数据需求不明确,抑制交易市场发展
220 (p10-4-6): 10.4.6大数据交易组织机构定位不清
220 (p10-4-7): 10.4.7用户隐私保护隐患重重
221 (p10-4-8): 10.4.8大数据交易专业人才缺乏
221 (p10-5): 10.5推进大数据交易发展的对策
221 (p10-5-1): 10.5.1加快制定隐私保护相关法律法规
221 (p10-5-2): 10.5.2加快推进政府数据开放共享
222 (p10-5-3): 10.5.3加快完善市场交易机制
222 (p10-5-4): 10.5.4加快建立大数据交易监管职能部门
222 (p10-5-5): 10.5.5加快培育大数据交易人才
223 (p10-6): 10.6本章小结
223 (p10-7): 习题
226 (p11): 第11章 大数据治理
226 (p11-1): 11.1概述
226 (p11-1-1): 11.1.1数据治理的必要性
226 (p11-1-2): 11.1.2数据治理的基本概念
227 (p11-1-3): 11.1.3数据治理与数据管理的关系
228 (p11-1-4): 11.1.4大数据治理的基本概念
230 (p11-1-5): 11.1.5大数据治理与数据治理的关系
231 (p11-1-6): 11.1.6大数据治理的重要意义和作用
232 (p11-2): 11.2大数据治理的要素
233 (p11-3): 11.3大数据治理模型
233 (p11-3-1): 11.3.1 ISACA数据治理模型
234 (p11-3-2): 11.3.2 HESA数据治理模型
234 (p11-3-3): 11.3.3数据治理螺旋模型
235 (p11-4): 11.4大数据治理保障机制
235 (p11-4-1): 11.4.1大数据治理战略目标
236 (p11-4-2): 11.4.2大数据治理组织
237 (p11-4-3): 11.4.3制度章程
238 (p11-4-4): 11.4.4流程管理
238 (p11-4-5): 11.4.5技术应用
239 (p11-5): 11.5本章小结
239 (p11-6): 习题
241 (p12): 参考文献
