数据科学与大数据导论

这是一篇关于数据科学与大数据导论的思维导图，主要内容包括：第1章 大数据概述，第2章 大数据与其他新兴技术的关系，第3章 大数据基础知识，第4章 大数据的应用，第5章 大数据的硬件环境，第6章 数据采集与预处理，第7章 数据存储与管理，第8章 数据处理与分析，第9章 数据可视化，第10章 大数据分析综合案例。

数据科学与大数据导论

• 第1章 大数据概述
  • 1.1 数据
    • 数据的概念、类型、组织形式、生命周期、使用、价值
      • 数据爆炸、数商
    • 数据量大、数据类型繁多、处理速度快、价值密度低
  • 1.2 大数据时代
    • 第三次信息化浪潮
      • 信息科技为大数据时代提供技术支撑
      • 数据产生方式的变革促成大数据时代的来临
  • 1.3 大数据的发展历程
  • 1.4 世界各国的大数据发展战略
    • 美国、英国、欧盟、韩国、日本、中国
  • 1.5 大数据的影响
    • 对科学研究、社会发展、就业市场、人才培养的影响
  • 1.6 大数据的应用
    • 在各个领域的应用
      • 应用的3个层次
  • 1.7 大数据产业
  • 1.8 大数据与数字经济
    • 数字经济
      • 大数据与数字经济的紧密关系
  • 1.9 高校的大数据专业
    • 专业概述、专业体系、编程语言
  • 1.10 本章小结
  • 1.11 习题
• 第2章 大数据与其他新兴技术的关系
  • 2.1 云计算
    • 概念、服务模式和类型、数据中心、应用和产业
  • 2.2 物联网
    • 概念、关键技术、应用、产业链
  • 2.3 大数据与云计算、物联网的关系
  • 2.4 人工智能
    • 概念、关键技术、应用、产业
      • 大数据与人工智能的关系
  • 2.5 区块链
    • 比特币概述、原理、定义和应用
      • 大数据与区块链的关系
  • 2.6 元宇宙
    • 概念、基本特征、核心技术
      • 大数据与元宇宙的关系
  • 2.7 本章小结
  • 2.8 习题
• 第3章 大数据基础知识
  • 3.1 大数据安全
    • 传统数据安全
      • 大数据安全与传统数据安全的不同
      • 大数据时代数据安全面临的挑战、问题分类、具体安全威胁
      • 典型案例
  • 3.2 大数据思维
    • 传统的思维方式
      • 大数据时代需要新的思维方式
      • 大数据思维方式、运用实例
  • 3.3 大数据伦理
    • 概念、典型案例、伦理问题
  • 3.4 数据共享
    • 数据孤岛问题（产生原因、消除意义）
      • 实现数据共享面临的挑战、推进举措
      • 数据共享案例
  • 3.5 数据开放
    • 政府开放数据的理论基础
      • 政府信息公开与政府数据开放的联系与区别
      • 政府数据开放的重要意义
  • 3.6 大数据交易
    • 概述、发展现状、交易平台
  • 3.7 大数据治理
    • 概述、要素和原则、范围
  • 3.8 本章小结
  • 3.9 习题
• 第4章 大数据的应用
  • 4.1 互联网领域
  • 4.2 生物医学领域
    • 流行病预测、智慧医疗、生物信息学
  • 4.3 物流领域
    • 智能物流概念、大数据的关键作用
      • 中国智能物流骨干网菜鸟
  • 4.4 城市管理领域
    • 智能交通、环保监测、城市规划、安防
  • 4.5 金融领域
    • 高频交易、市场情绪分析、信贷风险分析、大数据征信
  • 4.6 汽车领域
  • 4.7 零售领域
    • 发现关联购买行为、客户群体细分、供应链管理
  • 4.8 餐饮领域
    • 餐饮领域拥抱大数据、餐饮O2O
  • 4.9 电信和能源领域
  • 4.10 体育和娱乐领域
    • 训练球队、投拍影视作品、预测比赛结果
  • 4.11 安全领域
    • 大数据与国家安全
      • 应用大数据技术防御网络攻击
      • 警察应用大数据工具预防犯罪
  • 4.12 日常生活领域
  • 4.13 本章小结
  • 4.14 习题
• 第5章 大数据的硬件环境
  • 5.1 服务器的性能指标
  • 5.2 服务器的分类及选购
  • 5.3 系统的性能评估
    • CPU、内存、存储、网卡
  • 5.4 硬件系统分析
  • 5.5 网络设备
  • 5.6 系统组网方案设计
    • 网络需求分析、网络结构设计
  • 5.7 数据中心
    • 分类、组成、上线
  • 5.8 本章小结
  • 5.9 习题
• 第6章 数据采集与预处理
  • 6.1 数据采集
    • 概念、三大要点、数据源、方法
      • 网络爬虫
  • 6.2 数据清洗
    • 应用领域、实现方式、内容、注意事项
      • 基本流程、评价标准、行业发展
  • 6.3 数据集成和数据转换
    • 数据集成、数据转换
  • 6.4 数据归约
  • 6.5 数据脱敏
  • 6.6 本章小结
  • 6.7 习题
• 第7章 数据存储与管理
  • 7.1 传统的数据存储与管理技术
    • 文件系统、关系数据库、数据仓库、并行数据库
  • 7.2 大数据时代的数据存储与管理技术
    • 分布式文件系统、NewSQL和NoSQL数据库
      • 云数据库、数据湖
  • 7.3 大数据处理架构Hadoop
    • 特性、生态系统
  • 7.4 分布式文件系统HDFS
    • 设计目标、体系结构
  • 7.5 NoSQL数据库
    • 键值数据库、列族数据库、文档数据库、图数据库
  • 7.6 云数据库
    • 概念、特性、与其他数据库的关系
      • 代表性产品
  • 7.7 分布式数据库HBase
    • Bigtable概述、HBase简介
      • HBase的数据模型、系统架构
  • 7.8 Spanner
  • 7.9 OceanBase
  • 7.10 本章小结
  • 7.11 习题
• 第8章 数据处理与分析
  • 8.1 数据处理与分析的概念
  • 8.2 基于统计学方法的数据分析
    • 常见方法、主流工具
  • 8.3 机器学习和数据挖掘算法
    • 概述
      • 分类、聚类、回归分析、关联规则、协同过滤
  • 8.4 数据挖掘的方法体系
    • 可挖掘的知识、系统体系结构、流程
  • 8.5 大数据处理与分析技术
    • 技术分类、流计算、图计算
  • 8.6 大数据处理与分析的代表性产品
    • 分布式计算框架MapReduce、数据仓库Hive/Impala
      • 基于内存的分布式计算框架Spark
      • 机器学习框架TensorFlowOnSpark
      • 流计算框架Flink、大数据编程框架Beam
      • 查询分析系统Dremel
  • 8.7 本章小结
  • 8.8 习题
• 第9章 数据可视化
  • 9.1 可视化概述
    • 简介、发展历程、重要作用
  • 9.2 可视化图表
  • 9.3 可视化工具
    • 入门级工具、信息图表工具、地图工具
      • 时间线工具、高级分析工具
  • 9.4 本章小结
  • 9.5 习题
• 第10章 大数据分析综合案例
  • 10.1 案例任务
  • 10.2 系统设计
    • 总体设计、数据库设计、网站设计、算法设计
  • 10.3 技术选择
  • 10.4 系统实现
  • 10.5 本章小结
  • 10.6 习题