最新章節

• 5.dServer人工智能服務器
• 4.DeepRack深度學習一體機
• 3.AⅠRack人工智能實驗平臺
• 2．大數據實驗一體機
• 1．大數據實驗平臺1.0
• 附錄A 大數據和人工智能實驗環境

• 5.dServer人工智能服務器 更新時間：2019-12-04 19:14:22
• 4.DeepRack深度學習一體機
• 3.AⅠRack人工智能實驗平臺
• 2．大數據實驗一體機
• 1．大數據實驗平臺1.0
• 附錄A 大數據和人工智能實驗環境
• 參考文獻
• 習題
• 9.4.3 大數據分析過程
• 9.4.2 需求分析
• 9.4.1 背景分析
• 9.4 能源行業油井數據分析
• 9.3.3 大數據分析過程
• 9.3.2 需求分析
• 9.3.1 背景分析
• 9.3 金融行業貸款數據分析
• 9.2.4 分析結論
• 9.2.3 大數據分析過程
• 9.2.2 需求分析
• 9.2.1 背景分析
• 9.2 廣告投放效果分析
• 9.1.4 分析結論
• 9.1.3 大數據分析過程
• 9.1.2 需求分析
• 9.1.1 背景分析
• 9.1 電商行業銷售數據分析
• 第9章 大數據可視化的行業案例
• 參考文獻
• 習題
• 8．定制可視化形式
• 7．儀表盤
• 6．三維可視化
• 5．二維可視化
• 4．發展趨勢可視化
• 3．關聯關系可視化
• 2．功能可視化
• 1．結構可視化
• 8.4 數據可視化
• 5．數據挖掘
• 4．可視化分析
• 3．業務建模
• 2．數據開發
• 1．數據源
• 8.3 數據處理與分析
• 8.2 系統架構與技術流程
• 8.1 魔鏡簡介
• 第8章 大數據可視化系統——魔鏡
• 參考文獻
• 習題
• 7.5.3 Tableau數據可視化示例
• 7.5.2 Tableau的使用
• 7.5.1 Tableau簡介
• 7.5 Tableau
• 7.4.4 圖表繪制
• 7.4.3 引入ECharts
• 7.4.2 基本組成
• 7.4.1 ECharts架構及特點
• 7.4 ECharts
• 7.3.5 圖形分析與數據過濾
• 7.3.4 數據可視化
• 7.3.3 數據獲取與編輯
• 7.3.2 系統界面
• 7.3.1 NodeXL簡介
• 7.3 NodeⅩL
• 7.2.4 數據可視化示例
• 7.2.3 Processing應用程序的結構
• 7.2.2 Processing繪制功能
• 7.2.1 Processing開發環境簡介
• 7.2 Processing
• 7.1.3 數據可視化示例
• 7.1.2 Power Map的使用
• 7.1.1 Power Map簡介
• 7.1 Excel
• 第7章 大數據可視化工具
• 參考文獻
• 習題
• 6.4.3 交互系統
• 6.4.2 交互軟件
• 6.4.1 交互硬件
• 6.4 交互硬件與軟件
• 6.3.5 基于交互技術的知識可視化模型
• 6.3.4 基于Web的交互式數據可視化模型
• 6.3.3 交互式可視化的關聯規則挖掘模型
• 6.3.2 支持信息多面體可視分析界面模型（IMFA）
• 6.3.1 交互式信息可視化的用戶界面模型
• 6.3 可視化交互模型
• 6.2.3 交互空間分類
• 6.2.2 可視化交互空間分析
• 6.2.1 可視化交互空間查詢
• 6.2 可視化交互空間
• 6.1.5 多視圖關聯協調技術
• 6.1.4 焦點和上下文技術
• 6.1.3 概覽和細節技術
• 6.1.2 動態過濾技術
• 6.1.1 平移和縮放技術
• 6.1 可視化交互方法分類
• 第6章 可視化交互
• 參考文獻
• 習題
• 5.4.6 云渲染
• 5.4.5 集群渲染技術
• 5.4.4 基于GPU的渲染
• 5.4.3 基于CPU的渲染
• 5.4.2 渲染技術概述
• 5.4.1 圖像相關概念
• 5.4 大數據可視化渲染
• 5.3 可視化關鍵技術
• 5.2.6 數據治理
• 5.2.5 數據分析
• 5.2.4 數據處理
• 5.2.3 數據存儲
• 5.2.2 數據預處理
• 5.2.1 數據收集
• 5.2 大數據核心技術
• 5.1.7 管理
• 5.1.6 安全和隱私
• 5.1.5 數據消費者
• 5.1.4 大數據框架提供者
• 5.1.3 大數據應用提供者
• 5.1.2 數據提供者
• 5.1.1 系統協調者
• 5.1 大數據架構
• 第5章 大數據可視化的關鍵技術
• 參考文獻
• 習題
• 4.5.5 優秀作品欣賞
• 4.5.4 D3.js和Echarts選擇上的建議
• 4.5.3 商圈人流對比
• 4.5.2 城市人流走勢
• 4.5.1 百度地圖開發
• 4.5 可視化方法的選擇
• 4.4.7 層次分析法
• 4.4.6 因子分析
• 4.4.5 聚類分析
• 4.4.4 主成分分析
• 4.4.3 可視化分析的應用實例
• 4.4.2 可視化分析研究的特點
• 4.4.1 可視化分析方法
• 4.4 可視化分析方法的常用算法
• 4.3.3 思維導圖
• 4.3.2 圖論可視化
• 4.3.1 圖的類型
• 4.3 圖可視化方法
• 4.2.7 雷達圖
• 4.2.6 氣泡圖
• 4.2.5 散點圖
• 4.2.4 餅圖
• 4.2.3 折線圖
• 4.2.2 條形圖
• 4.2.1 柱狀圖
• 4.2 統計圖表可視化方法
• 4.1.4 常用的復雜數據處理方法
• 4.1.3 數據分類
• 4.1.2 視覺通道
• 4.1.1 視覺感知
• 4.1 視覺編碼
• 第4章 數據可視化的常用方法
• 參考文獻
• 習題
• 3.6.2 數據圖形映射的流程
• 3.6.1 可視化框架的構成
• 3.6 可視化框架設計整體思路
• 3．簡單
• 2．平衡
• 1．聚焦
• 3.5 可視化中的美學因素
• 3.4.5 可視化的基本圖表
• 3.4.4 可視化的原材料
• 3.4.3 可視化的數據
• 3.4.2 可視化設計原則
• 3.4.1 可視化設計模型
• 3.4 可視化設計組件
• 3.3.2 可視化的一般流程
• 3.3.1 可視化的基本步驟
• 3.3 可視化流程
• 3.2 可視化的基本特征
• 3.1.4 彩色視覺特性
• 3.1.3 黑白視覺特性
• 3.1.2 三基色原理
• 3.1.1 光的特性
• 3.1 光與視覺特性
• 第3章 數據可視化基礎
• 參考文獻
• 習題
• 2.2.3 循環模型
• 2.2.2 分析模型
• 2.2.1 順序模型
• 2.2 可視化的模型
• 2.1.2 信息可視化
• 2.1.1 科學可視化
• 2.1 可視化的類型
• 第2章 可視化的類型與模型
• 參考文獻
• 習題
• 1.4.6 與數據分析和數據挖掘的關系
• 1.4.5 與數據庫的關系
• 1.4.4 與人機交互的關系
• 1.4.3 與計算仿真的關系
• 1.4.2 與計算機視覺的關系
• 1.4.1 與計算機圖形學的關系
• 1.4 與相關學科的關系
• 1.3.4 在其他領域的應用
• 1.3.3 在新一代人工智能領域的應用
• 1.3.2 在智能交通中的應用
• 1.3.1 在“工業4.0”中的應用
• 1.3 數據可視化的應用領域
• 1.2.2 數據可視化的意義
• 1.2.1 數據可視化的作用
• 1.2 數據可視化的作用與意義
• 1.1.3 數據可視化
• 1.1.2 信息可視化
• 1.1.1 科學可視化
• 1.1 大數據可視化的概念
• 第1章 大數據可視化概述
• 前言
• 總序
• 編寫組
• 內容簡介
• 版權信息
• 封面

• 封面
• 版權信息
• 內容簡介
• 編寫組
• 總序
• 前言
• 第1章 大數據可視化概述
• 1.1 大數據可視化的概念
• 1.1.1 科學可視化
• 1.1.2 信息可視化
• 1.1.3 數據可視化
• 1.2 數據可視化的作用與意義
• 1.2.1 數據可視化的作用
• 1.2.2 數據可視化的意義
• 1.3 數據可視化的應用領域
• 1.3.1 在“工業4.0”中的應用
• 1.3.2 在智能交通中的應用
• 1.3.3 在新一代人工智能領域的應用
• 1.3.4 在其他領域的應用
• 1.4 與相關學科的關系
• 1.4.1 與計算機圖形學的關系
• 1.4.2 與計算機視覺的關系
• 1.4.3 與計算仿真的關系
• 1.4.4 與人機交互的關系
• 1.4.5 與數據庫的關系
• 1.4.6 與數據分析和數據挖掘的關系
• 習題
• 參考文獻
• 第2章 可視化的類型與模型
• 2.1 可視化的類型
• 2.1.1 科學可視化
• 2.1.2 信息可視化
• 2.2 可視化的模型
• 2.2.1 順序模型
• 2.2.2 分析模型
• 2.2.3 循環模型
• 習題
• 參考文獻
• 第3章 數據可視化基礎
• 3.1 光與視覺特性
• 3.1.1 光的特性
• 3.1.2 三基色原理
• 3.1.3 黑白視覺特性
• 3.1.4 彩色視覺特性
• 3.2 可視化的基本特征
• 3.3 可視化流程
• 3.3.1 可視化的基本步驟
• 3.3.2 可視化的一般流程
• 3.4 可視化設計組件
• 3.4.1 可視化設計模型
• 3.4.2 可視化設計原則
• 3.4.3 可視化的數據
• 3.4.4 可視化的原材料
• 3.4.5 可視化的基本圖表
• 3.5 可視化中的美學因素
• 1．聚焦
• 2．平衡
• 3．簡單
• 3.6 可視化框架設計整體思路
• 3.6.1 可視化框架的構成
• 3.6.2 數據圖形映射的流程
• 習題
• 參考文獻
• 第4章 數據可視化的常用方法
• 4.1 視覺編碼
• 4.1.1 視覺感知
• 4.1.2 視覺通道
• 4.1.3 數據分類
• 4.1.4 常用的復雜數據處理方法
• 4.2 統計圖表可視化方法
• 4.2.1 柱狀圖
• 4.2.2 條形圖
• 4.2.3 折線圖
• 4.2.4 餅圖
• 4.2.5 散點圖
• 4.2.6 氣泡圖
• 4.2.7 雷達圖
• 4.3 圖可視化方法
• 4.3.1 圖的類型
• 4.3.2 圖論可視化
• 4.3.3 思維導圖
• 4.4 可視化分析方法的常用算法
• 4.4.1 可視化分析方法
• 4.4.2 可視化分析研究的特點
• 4.4.3 可視化分析的應用實例
• 4.4.4 主成分分析
• 4.4.5 聚類分析
• 4.4.6 因子分析
• 4.4.7 層次分析法
• 4.5 可視化方法的選擇
• 4.5.1 百度地圖開發
• 4.5.2 城市人流走勢
• 4.5.3 商圈人流對比
• 4.5.4 D3.js和Echarts選擇上的建議
• 4.5.5 優秀作品欣賞
• 習題
• 參考文獻
• 第5章 大數據可視化的關鍵技術
• 5.1 大數據架構
• 5.1.1 系統協調者
• 5.1.2 數據提供者
• 5.1.3 大數據應用提供者
• 5.1.4 大數據框架提供者
• 5.1.5 數據消費者
• 5.1.6 安全和隱私
• 5.1.7 管理
• 5.2 大數據核心技術
• 5.2.1 數據收集
• 5.2.2 數據預處理
• 5.2.3 數據存儲
• 5.2.4 數據處理
• 5.2.5 數據分析
• 5.2.6 數據治理
• 5.3 可視化關鍵技術
• 5.4 大數據可視化渲染
• 5.4.1 圖像相關概念
• 5.4.2 渲染技術概述
• 5.4.3 基于CPU的渲染
• 5.4.4 基于GPU的渲染
• 5.4.5 集群渲染技術
• 5.4.6 云渲染
• 習題
• 參考文獻
• 第6章 可視化交互
• 6.1 可視化交互方法分類
• 6.1.1 平移和縮放技術
• 6.1.2 動態過濾技術
• 6.1.3 概覽和細節技術
• 6.1.4 焦點和上下文技術
• 6.1.5 多視圖關聯協調技術
• 6.2 可視化交互空間
• 6.2.1 可視化交互空間查詢
• 6.2.2 可視化交互空間分析
• 6.2.3 交互空間分類
• 6.3 可視化交互模型
• 6.3.1 交互式信息可視化的用戶界面模型
• 6.3.2 支持信息多面體可視分析界面模型（IMFA）
• 6.3.3 交互式可視化的關聯規則挖掘模型
• 6.3.4 基于Web的交互式數據可視化模型
• 6.3.5 基于交互技術的知識可視化模型
• 6.4 交互硬件與軟件
• 6.4.1 交互硬件
• 6.4.2 交互軟件
• 6.4.3 交互系統
• 習題
• 參考文獻
• 第7章 大數據可視化工具
• 7.1 Excel
• 7.1.1 Power Map簡介
• 7.1.2 Power Map的使用
• 7.1.3 數據可視化示例
• 7.2 Processing
• 7.2.1 Processing開發環境簡介
• 7.2.2 Processing繪制功能
• 7.2.3 Processing應用程序的結構
• 7.2.4 數據可視化示例
• 7.3 NodeⅩL
• 7.3.1 NodeXL簡介
• 7.3.2 系統界面
• 7.3.3 數據獲取與編輯
• 7.3.4 數據可視化
• 7.3.5 圖形分析與數據過濾
• 7.4 ECharts
• 7.4.1 ECharts架構及特點
• 7.4.2 基本組成
• 7.4.3 引入ECharts
• 7.4.4 圖表繪制
• 7.5 Tableau
• 7.5.1 Tableau簡介
• 7.5.2 Tableau的使用
• 7.5.3 Tableau數據可視化示例
• 習題
• 參考文獻
• 第8章 大數據可視化系統——魔鏡
• 8.1 魔鏡簡介
• 8.2 系統架構與技術流程
• 8.3 數據處理與分析
• 1．數據源
• 2．數據開發
• 3．業務建模
• 4．可視化分析
• 5．數據挖掘
• 8.4 數據可視化
• 1．結構可視化
• 2．功能可視化
• 3．關聯關系可視化
• 4．發展趨勢可視化
• 5．二維可視化
• 6．三維可視化
• 7．儀表盤
• 8．定制可視化形式
• 習題
• 參考文獻
• 第9章 大數據可視化的行業案例
• 9.1 電商行業銷售數據分析
• 9.1.1 背景分析
• 9.1.2 需求分析
• 9.1.3 大數據分析過程
• 9.1.4 分析結論
• 9.2 廣告投放效果分析
• 9.2.1 背景分析
• 9.2.2 需求分析
• 9.2.3 大數據分析過程
• 9.2.4 分析結論
• 9.3 金融行業貸款數據分析
• 9.3.1 背景分析
• 9.3.2 需求分析
• 9.3.3 大數據分析過程
• 9.4 能源行業油井數據分析
• 9.4.1 背景分析
• 9.4.2 需求分析
• 9.4.3 大數據分析過程
• 習題
• 參考文獻
• 附錄A 大數據和人工智能實驗環境
• 1．大數據實驗平臺1.0
• 2．大數據實驗一體機
• 3.AⅠRack人工智能實驗平臺
• 4.DeepRack深度學習一體機
• 5.dServer人工智能服務器 更新時間：2019-12-04 19:14:22