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

本书的主要章节包括分位数回归、等分线性回归、数据包络分析法、随机前沿分析法、层次分析法、灰关联分析、模糊理论、粗糙集理论、小波时间序列、组合优化问题等。此外，本书引入了最新的R数据挖掘方法；摒除掉艰深难懂的理论，以最浅显的方式介绍数据挖掘理论，让读者迅速掌握，轻松入门；力求最简单的R程序或安装包运行数据挖掘案例分析，详解各程序的意义与功能；以最简单的案例数据操作，让读者清楚明了数据分析方法的功能及分析结果的解释，使其易举一反三。
本书不仅适用于大数据、计算机应用、经济、管理、统计等专业，

全书共有12章，从Hadoop概述开始，介绍了Hadoop的安装与配置管理，并对Hadoop的生态体系架构进行了介绍，包括HDFS技术、YARN技术、MapReduce技术、Hadoop I/O操作、海量数据库技术HBase、ZooKeeper技术、分布式数据仓库技术Hive、分布式数据分析工具Pig，以及数据迁移工具Sqoop，最后对大数据实时处理技术做了简单介绍，旨在让读者了解当前其他的大数据处理技术。 本书除了介绍Hadoop的理论外，还介绍了如何使用各组件，但因为只是介绍基础的使用，没有

本书主要介绍数据挖掘和数据分析的基本概念和方法，包括数据的基本属性和概念、数据预处理技术、数据立方体和OLAP技术、频繁模式挖掘、回归分析、分类、聚类、离群点分析。每一部分先介绍基本概念、理论基础、应用实例、思考习题。书中涉及的模型和算法均给予了相应的实例，便于读者更好的理解和使用模型。

目前，大数据已上升为国家战略，从辅助变为引领，从热点变为支点。因此，在各类以应用型人才培养为主的高校中，需要面向文、管、理、工等不同学科的学生普及大数据理念及其相关技术，以利于其在专业领域的实践中应用大数据理念，实施大数据技术。

本书从大数据概念及特点入手，以大数据应用的技术框架为主线，首先介绍了大数据采集与准备、大数据存储与计算处理、大数据分析及大数据可视化中的基本概念与技术，然后介绍了典型的大数据应用，最后讨论了大数据安全与伦理问题。

本书结合概念、技术及应

现在，越来越多的人考虑引入大数据技术来促进公司产品的销售以获得更多的利润。而学习算法能让商务活动及其发展过程的预测摆脱人脑计算能力的局限，并且能提高数据模型的预测精确度，使得大数据的分析处理在依托计算机的大规模计算能力下得以完成。

当前数据分析最常用的工具就是R语言，本书深入浅出地介绍了利用R语言进行数据分析及构建预测模型的多种实用方法，包括回归、聚类、关联和分类分析等常用学习算法的实现，每一种算法都通过具体案例详细说明构建模型、实现模型以及评价模型的过程。本书还

Spark是当前主流的大数据计算框架，本书较为全面地介绍了Spark的基本知识。按照“项目驱动、任务导向”的理念，全书设计了七个项目，分别是搭建Spark环境、编写Scala程序处理4S店数据、Spark RDD分析交通违章记录、Spark SQL处理结构化学生信息、Spark编程进阶、Spark Streaming处理流数据及Spark ML实现电影推荐。

为了使读者迅速掌握Spark的基本知识，本书提供了大量编程实例及配套资源，包括源代码、软件、数据集、虚拟机、习题答案等

本书为1+X职业技能等级证书（数据采集）配套教材，内容涵盖1+X《数据采集职业技能等级标准》规定的技能要求。
本书按照数据采集系统的开发流程介绍了数据采集各个方面的开发技术，包括初识数据采集、分析网络数据报、操作数据库、制作慕课网首页、抽取网页数据、初识Python、爬取网络数据、项目实战：网络爬虫、创建Spring Boot项目、项目实战：业务系统日志数据采集、项目实战：数据库数据采集，详细直观地介绍了数据采集的实现过程。
本书适用于1+X数据采集职业技能等级证书培训的学员及培训教

　　“大数据分析”是一门理论性和实践性都很强的课程。《大数据分析》是为高等职业院校相关专业“大数据分析”课程全新设计编写，针对职业教育学生的发展需求，系统、全面地介绍了关于大数据分析的基本知识和技能，以项目／任务方式详细介绍了大数据基础、大数据分析基础、大数据技术与大数据分析的应用、大数据分析基本原则、构建大数据分析路线、大数据分析方法的运用、大数据分析的用例、预测分析方法、预测分析技术、数据清洗与处理、大数据分析模型、大数据分析的工具与平台等内容，具有较强的系统性、可读性和实用性。

本书围绕大数据流处理领域，介绍Flink DataStream API、时间和窗口、状态和检查点、Table API和SQL等知识。本书以实践为导向，使用大量真实业务场景案例来演示如何基于Flink进行流处理。读者最好有一定的Java或Scala编程基础，掌握计算机领域的常见技术概念。