本书以管理和应用视角解读大数据，以大数据分析全生命周期为主线，从大数据的采集、存储、预处理、分析、可视化、治理等环节切入，对大数据管理与应用的理论、方法、工具和应用进行科学合理的组织。本书包含十六章，分为四篇：概念篇主要介绍大数据管理与应用的基本概念、分析的基本思路；基础篇主要介绍大数据管理与应用的数学基础和机器学习基础；技术篇主要介绍大数据管理应用的数据采集与存储技术、数据预处理技术、数据回归分析技术、数据分类分析技术、数据聚类分析技术、数据关联分析技术、深度学习技术、文本分析技术、Web分析技术、可视化技术、数据治理技术；平台与发展篇介绍大数据计算平台和综述大数据管理与应用的新进展。 本书可作为高等学校大数据管理与应用、信息管理与信息系统、数据科学与大数据技术等管理类、信息类专业本科生教材，还可以作为各行各业的管理者与实践者的培训用书和参考读物。

**部分概念篇 **章绪论/ **节大数据时代/ 第二节数据和大数据/ 第三节大数据的管理与应用概述/ 第四节大数据管理与应用的理论、技术 和应用体系/ 第五节应用案例/ 思考与练习/ 本章扩展阅读/ 第二部分基础篇 第二章大数据管理与应用的数学基础/ **节线性代数基础/ 第二节优化基础/ 第三节统计基础/ 第四节应用案例/ 思考与练习/ 本章扩展阅读/ 第三章大数据管理与应用的机器学习 基础/ **节机器学习概述/ 第二节机器学习的分类/ 第三节模型评估与选择/ 第四节计算学习理论/ 第五节应用案例/ 思考与练习/ 本章扩展阅读/ 第三部分技术篇 第四章数据采集与数据存储/ **节数据采集/ 第二节关系型数据存储/ 第三节非关系型数据存储/ 第���节数据仓库/ 第五节应用案例/ 思考与练习/ 本章扩展阅读/ 第五章数据预处理/ **节数据质量/ 第二节数据清洗/ 第三节数据变换/ 第四节数据集成/ 第五节其他预处理方法/ 第六节应用案例/ 思考与练习/ 本章扩展阅读/ 第六章数据回归分析/ **节数据回归分析概述/ 第二节线性回归分析/ 第三节岭回归分析和LASSO回归分析/ 第四节广义线性回归分析/ 第五节非线性回归分析/ 第六节应用案例/ 思考与练习/ 本章扩展阅读/ 第七章数据分类分析/ **节数据分类分析概述/ 第二节基于函数的分类分析/ 第三节基于概率的分类分析/ 第四节基于*近邻的分类分析/ 第五节基于决策树的分类分析/ 第六节基于规则的分类分析/ 第七节集成分类分析/ 第八节应用案例/ 思考与练习/ 本章扩展阅读/ 第八章数据聚类分析/ **节数据聚类分析概述/ 第二节基于层次的聚类分析/ 第三节基于划分的聚类分析/ 第四节基于密度的聚类分析/ 第五节基于网格的聚类分析/ 第六节基于模型的聚类分析/ 第七节集成聚类分析/ 第八节应用案例/ 思考与练习/ 本章扩展阅读/ 第九章数据关联分析/ **节数据关联分析概述/ 第二节关联规则分析/ 第三节序列模式分析/ 第四节应用案例/ 思考与练习/ 本章扩展阅读/ 第十章深度学习/ **节深度学习概述/ 第二节神经网络/ 第三节深度前馈网络/ 第四节卷积神经网络/ 第五节循环神经网络/ 第六节应用案例/ 思考与练习/ 本章扩展阅读/ 第十一章文本分析/ **节文本分析概述/ 第二节文本预处理/ 第三节特征提取和文本表示方法/ 第四节文本分类分析/ 第五节文本聚类分析/ 第六节应用案例/ 思考与练习/ 本章扩展阅读/ 第十二章Web分析/ **节Web分析概述/ 第二节Web内容分析/ 第三节Web结构分析/ 第四节Web使用分析/ 第五节应用案例/ 思考与练习/ 本章扩展阅读/ 第十三章可视化技术/ **节可视化概述/ 第二节可视化主要类型 / 第三节可视化主要方法/ 第四节可视化评测/ 第五节应用案例 / 思考与练习/ 本章扩展阅读/ 第十四章数据治理/ **节数据治理概述/ 第二节元数据治理/ 第三节数据质量治理/ 第四节数据**治理/ 第五节数据治理评估/ 第六节应用案例/ 思考与练习/ 本章扩展阅读/ 第四部分平台与发展篇 第十五章大数据计算平台/ **节大数据计算平台概述/ 第二节基于Hadoop的大数据计算平台/ 第三节基于Spark的大数据计算平台/ 第四节应用案例/ 思考与