大數據分析導論（第3版）

金大衛，男，49歲，中南財經政法大學信息工程學院院長、教授，管理學博士。中國信息經濟學會理事、教育部與科技部數字技術與現代金融學科創新引智基地聯席主任，中國光谷信息與網絡空間安全產業技術聯盟副理事長。研究領域涵蓋金融信息工程、大數據與人工智能。主持國家社會科學基金重大子課題、一般項目、教育部人文社科基金項目、國家博士後基金項目、湖北省教育廳人文社科基金項目10余項，主持相關橫向課題10余項；在TKDE、JFS、管理評論、經濟管理、科研管理等國內外**期刊發表論文50余篇。著作包括《計算機應用基礎》和《大數據分析導論》等。

目錄

 

 

 

隨書資源

第1部分大數據理論基礎

第1章數據驅動： 從信息化到智能化的跨越3

1.1信息與數據3

1.2比特、字節與進制4

1.2.1比特與字節5

1.2.2二進制的選用5

1.2.3常用進制及其轉換6

1.3大數據9

1.3.1大數據的產生與概念9

1.3.2大數據的核心特征10

1.4大數據與人工智能11

1.4.1人工智能的概念11

1.4.2大數據與人工智能的關系12

第2章數據傳輸： 自頂向下的網絡15

2.1計算機網絡15

2.1.1計算機網絡的定義16

2.1.2計算機網絡的功能16

2.1.3計算機網絡的分類17

2.1.4網絡協議與TCP/IP體系結構18

2.2應用層的數據交互19

2.2.1萬維網20

2.2.2統一資源定位器21

2.2.3網頁與HTML22

2.2.4HTTP： 瀏覽器與服務器的對話23

2.3傳輸層的數據交付26

2.3.1TCP： 面向連接的可靠傳輸26

2.3.2UDP： 無連接的快速傳輸27

2.3.3端口： 區分應用程序的標識27

2.4網絡層的主機定位28

2.4.1IP地址28

2.4.2域名系統31

2.5底層的物理傳輸支撐35

2.5.1網絡適配器與傳輸介質35

2.5.2網絡接入技術36

2.5.3移動通信與空間通信前沿37

第3章數據載體： 計算機系統與數據的表示40

3.1馮·諾依曼架構40

3.1.1馮·諾依曼架構的起源與特征40

3.1.2多核CPU、GPU與存儲層次結構42

3.1.3計算維度的演進44

3.2數據的表示45

3.2.1數值數據的表示45

3.2.2西文字符與漢字的編碼47

3.3拓展主題1： 數據驅動——從信息化到智能化的跨越52

第4章數據前沿： 智能時代的演進53

4.1雲計算與邊緣計算： 數據存儲與計算的分布式變革53

4.1.1雲計算的定義與核心價值53

4.1.2邊緣計算的定義與架構特征54

4.1.3雲邊協同計算的架構與發展趨勢54

4.2區塊鏈技術： 數據的信任機制與去中心化存儲55

4.3邁向大模型： 從海量數據到生成式AI的飛躍56

4.3.1智能黎明的十年56

4.3.2第一次AI浪潮與寒冬57

4.3.3數據驅動的智能覺醒58

4.3.4生成式AI浪潮59

4.4拓展主題2： 模型驅動——從智能對話到工作場景的落地62

 

第2部分大數據分析技術

第5章Python編程基礎65

5.1Python快速入門65

5.1.1Python語言的特點和發展65

5.1.2搭建編程環境66

5.1.3運行Python程序68

5.1.4Python程序的語法結構70

5.2變量與數據類型72

5.2.1變量的使用72

5.2.2數據與數據類型73

5.2.3字符串及其操作74

5.2.4數字及其操作77

5.2.5邏輯值及其操作78

5.2.6列表及其操作79

5.2.7字典及其操作83

5.3Python程序的輸入輸出84

5.3.1Python程序的輸入84

5.3.2Python程序的輸出86

5.4Python程序的控制結構88

5.4.1分支結構88

5.4.2循環結構89

5.5函數和模塊96

5.5.1函數96

5.5.2模塊98

5.6綜合案例： 基於Pandas的數學成績分析100

5.7拓展主題3： AI大模型賦能高效數據分析104

5.8拓展主題4： 讓AI替你寫代碼——Python數據分析入門104

第6章Python數據獲取105

6.1網絡爬蟲的概念105

6.2HTTP請求與響應106

6.3網頁源代碼解析108

6.3.1HTML和DOM樹109

6.3.2XPath解析方法110

6.3.3BeautifulSoup解析方法114

6.4Python 網絡爬蟲實踐119

6.4.1企業財經新聞數據爬取119

6.4.2金融股票交易數據爬取130

6.5拓展主題5： AI大模型賦能網絡數據獲取133

第7章Python數據分析134

7.1數據分析基礎134

7.2數值數據分析135

7.2.1描述性統計分析136

7.2.2相關分析142

7.2.3回歸分析147

7.3文本數據分析170

7.3.1中文分詞170

7.3.2詞頻統計173

7.3.3文本分析拓展應用178

7.4拓展主題6： AI大模型賦能文本數據分析187

 

第3部分智能數據處理

第8章人工智能大模型191

8.1大語言模型概述191

8.1.1大語言模型的基本概念191

8.1.2大語言模型的基本工作原理192

8.1.3國內主流大語言模型概覽193

8.2提示詞工程195

8.2.1提示詞撰寫方法195

8.2.2結構化提示詞撰寫198

8.3大語言模型應用前沿201

8.3.1智能體： 具備自主決策能力的AI助手201

8.3.2全棧軟件開發： 自然語言驅動的軟件工程革命202

8.3.3多模態內容生產： AIGC的工業化落地203

8.3.4科學研究： 科研新範式的核心工具203

8.3.5大語言模型應用的發展趨勢204

8.4人工智能大模型應用案例： 低代碼數據分析205

8.4.1案例背景與平臺簡介205

8.4.2實現步驟205

8.4.3方法對比210

8.5拓展主題7： AI大模型賦能低代碼數據分析211

第9章WPS智能數據處理212

9.1WPS概述212

9.2智能文本編輯213

9.2.1WPS文字基礎213

9.2.2基於WPS AI的內容生成214

9.2.3基於WPS的文字編輯處理219

9.3智能圖文發布240

9.3.1WPS演示文稿基礎241

9.3.2一鍵智能生成演示文稿242

9.3.3智能生成單頁幻燈片244

9.3.4智能美化演示文稿的整體視覺效果249

9.4智能表格處理255

9.4.1WPS表格基礎255

9.4.2公式與函數263

9.4.3表格數據處理275

9.5拓展主題8： AI大模型賦能學術寫作與匯報303

附錄專業詞匯對照表304

參考文獻305