最新章節

• 18.13 小結
• 18.12 數據湖倉
• 18.11 數據湖
• 18.10 互聯網和物聯網數據
• 18.9 數據集市
• 18.8 數據倉庫

• 18.13 小結 更新時間：2024-08-13 15:43:59
• 18.12 數據湖倉
• 18.11 數據湖
• 18.10 互聯網和物聯網數據
• 18.9 數據集市
• 18.8 數據倉庫
• 18.7 4GL處理技術和數據抽取應用程序
• 18.6 個人計算機
• 18.5 OLTP
• 18.4 硬盤存儲
• 18.3 磁帶文件
• 18.2 應用程序
• 18.1 伊始
• 第18章 數據架構的演化
• 17.4 小結
• 17.3 不同數據類型的內部結構
• 17.2 開放
• 17.1 永久維護
• 第17章 數據目錄
• 16.21 小結
• 16.20 數據血緣
• 16.19 模擬/物聯網數據源
• 16.18 時間排序
• 16.17 閾值
• 16.16 算法
• 16.15 模擬/物聯網數據
• 16.14 文本數據源
• 16.13 上下文情境
• 16.12 關聯
• 16.11 分類標準
• 16.10 本體
• 16.9 文本數據
• 16.8 數據關系
• 16.7 數據編碼
• 16.6 數據定義語言
• 16.5 數據選擇標準
• 16.4 結構化數據源
• 16.3 結構化數據轉換
• 16.2 元數據
• 16.1 數據模型
• 第16章 描述性數據
• 15.4 小結
• 15.3 政府數據
• 15.2 互聯網數據
• 15.1 電子表格數據
• 第15章 軟數據
• 14.7 小結
• 14.6 執行分析
• 14.5 連接3個環境
• 14.4 結構化數據和文本數據的結合
• 14.3 模擬/物聯網數據分析
• 14.2 文本數據分析
• 14.1 結構化數據分析
• 第14章 分析
• 13.6 小結
• 13.5 數據蒸餾算法
• 13.4 文本ETL
• 13.3 ETL
• 13.2 自動集成
• 13.1 不同種類數據的集成
• 第13章 數據湖倉中的數據集成
• 12.6 小結
• 12.5 數據分析與機器學習
• 12.4 數據標簽、整合與匯聚
• 12.3 數據轉換
• 12.2 數據傳輸與存儲
• 12.1 數據獲取
• 第12章 數據需要的層次
• 11.6 小結
• 11.5 領域
• 11.4 難以協調
• 11.3 基礎數據
• 11.2 一切都離不開錢
• 11.1 業務價值才是驅動力
• 第11章 業務價值
• 10.3 小結
• 10.2 角色與數據類型
• 10.1 兩個角色如何通力配合
• 第10章 數據架構與數據工程
• 9.5 小結
• 9.4 元數據和大容量存儲器
• 9.3 索引
• 9.2 訪問概率
• 9.1 大容量存儲器的優缺點
• 第9章 大容量存儲器與數據湖倉
• 8.8 小結
• 8.7 時間排序方法
• 8.6 閾值方法
• 8.5 數據篩選
• 8.4 日期分隔
• 8.3 人工審視
• 8.2 攝像頭
• 8.1 數據有用性的差異
• 第8章 模擬/物聯網數據
• 7.5 小結
• 7.4 提取業務的含義
• 7.3 多義詞
• 7.2 使用文本數據時的語言障礙
• 7.1 文本數據的類型
• 第7章 文本數據
• 6.6 小結
• 6.5 組織數據
• 6.4 聯機事務處理
• 6.3 鍵
• 6.2 結構化記錄
• 6.1 業務交易生成的數據
• 第6章 結構化數據
• 5.4 小結
• 5.3 模擬/物聯網數據的蒸餾算法
• 5.2 本體和分類標準
• 5.1 結構化數據模型
• 第5章 數據抽象
• 4.6 小結
• 4.5 基于大容量存儲器的數據歸檔機制
• 4.4 數據降級
• 4.3 數據的訪問概率
• 4.2 數據的業務價值
• 4.1 數據量
• 第4章 不同類型的數據
• 3.7 小結
• 3.6 編制文檔
• 3.5 兼容性
• 3.4 拼寫錯誤
• 3.3 重復記錄
• 3.2 鍵的問題
• 3.1 輸入錯誤
• 第3章 如何避免不良數據
• 2.4 小結
• 2.3 基礎數據的組成要素
• 2.2 以人工智能醫療為例
• 2.1 構建應用程序
• 第2章 基礎數據
• 1.4 小結
• 1.3 可信數據的要素
• 1.2 不斷攀升的可信目標
• 1.1 做一個成熟的終端用戶
• 第1章 讓數據可信
• 資源與支持
• 前言
• 譯者序
• 本書編譯組
• 內容提要
• 版權聲明
• 版權信息
• 封面

• 封面
• 版權信息
• 版權聲明
• 內容提要
• 本書編譯組
• 譯者序
• 前言
• 資源與支持
• 第1章 讓數據可信
• 1.1 做一個成熟的終端用戶
• 1.2 不斷攀升的可信目標
• 1.3 可信數據的要素
• 1.4 小結
• 第2章 基礎數據
• 2.1 構建應用程序
• 2.2 以人工智能醫療為例
• 2.3 基礎數據的組成要素
• 2.4 小結
• 第3章 如何避免不良數據
• 3.1 輸入錯誤
• 3.2 鍵的問題
• 3.3 重復記錄
• 3.4 拼寫錯誤
• 3.5 兼容性
• 3.6 編制文檔
• 3.7 小結
• 第4章 不同類型的數據
• 4.1 數據量
• 4.2 數據的業務價值
• 4.3 數據的訪問概率
• 4.4 數據降級
• 4.5 基于大容量存儲器的數據歸檔機制
• 4.6 小結
• 第5章 數據抽象
• 5.1 結構化數據模型
• 5.2 本體和分類標準
• 5.3 模擬/物聯網數據的蒸餾算法
• 5.4 小結
• 第6章 結構化數據
• 6.1 業務交易生成的數據
• 6.2 結構化記錄
• 6.3 鍵
• 6.4 聯機事務處理
• 6.5 組織數據
• 6.6 小結
• 第7章 文本數據
• 7.1 文本數據的類型
• 7.2 使用文本數據時的語言障礙
• 7.3 多義詞
• 7.4 提取業務的含義
• 7.5 小結
• 第8章 模擬/物聯網數據
• 8.1 數據有用性的差異
• 8.2 攝像頭
• 8.3 人工審視
• 8.4 日期分隔
• 8.5 數據篩選
• 8.6 閾值方法
• 8.7 時間排序方法
• 8.8 小結
• 第9章 大容量存儲器與數據湖倉
• 9.1 大容量存儲器的優缺點
• 9.2 訪問概率
• 9.3 索引
• 9.4 元數據和大容量存儲器
• 9.5 小結
• 第10章 數據架構與數據工程
• 10.1 兩個角色如何通力配合
• 10.2 角色與數據類型
• 10.3 小結
• 第11章 業務價值
• 11.1 業務價值才是驅動力
• 11.2 一切都離不開錢
• 11.3 基礎數據
• 11.4 難以協調
• 11.5 領域
• 11.6 小結
• 第12章 數據需要的層次
• 12.1 數據獲取
• 12.2 數據傳輸與存儲
• 12.3 數據轉換
• 12.4 數據標簽、整合與匯聚
• 12.5 數據分析與機器學習
• 12.6 小結
• 第13章 數據湖倉中的數據集成
• 13.1 不同種類數據的集成
• 13.2 自動集成
• 13.3 ETL
• 13.4 文本ETL
• 13.5 數據蒸餾算法
• 13.6 小結
• 第14章 分析
• 14.1 結構化數據分析
• 14.2 文本數據分析
• 14.3 模擬/物聯網數據分析
• 14.4 結構化數據和文本數據的結合
• 14.5 連接3個環境
• 14.6 執行分析
• 14.7 小結
• 第15章 軟數據
• 15.1 電子表格數據
• 15.2 互聯網數據
• 15.3 政府數據
• 15.4 小結
• 第16章 描述性數據
• 16.1 數據模型
• 16.2 元數據
• 16.3 結構化數據轉換
• 16.4 結構化數據源
• 16.5 數據選擇標準
• 16.6 數據定義語言
• 16.7 數據編碼
• 16.8 數據關系
• 16.9 文本數據
• 16.10 本體
• 16.11 分類標準
• 16.12 關聯
• 16.13 上下文情境
• 16.14 文本數據源
• 16.15 模擬/物聯網數據
• 16.16 算法
• 16.17 閾值
• 16.18 時間排序
• 16.19 模擬/物聯網數據源
• 16.20 數據血緣
• 16.21 小結
• 第17章 數據目錄
• 17.1 永久維護
• 17.2 開放
• 17.3 不同數據類型的內部結構
• 17.4 小結
• 第18章 數據架構的演化
• 18.1 伊始
• 18.2 應用程序
• 18.3 磁帶文件
• 18.4 硬盤存儲
• 18.5 OLTP
• 18.6 個人計算機
• 18.7 4GL處理技術和數據抽取應用程序
• 18.8 數據倉庫
• 18.9 數據集市
• 18.10 互聯網和物聯網數據
• 18.11 數據湖
• 18.12 數據湖倉
• 18.13 小結 更新時間：2024-08-13 15:43:59