New Internet：大數(shù)據(jù)挖掘

第1章 緒論——從淘金客到礦山主
1.1 大數(shù)據(jù)時代的“四V”
1.2　什么是大數(shù)據(jù)挖掘
1.2.1　從數(shù)據(jù)分析到數(shù)據(jù)挖掘
1.2.2　Web挖掘
1.2.3　大數(shù)據(jù)挖掘之“大”
1.3 大數(shù)據(jù)挖掘的國內(nèi)外發(fā)展
1.3.1　數(shù)據(jù)挖掘的應用發(fā)展
1.3.2　數(shù)據(jù)挖掘研究發(fā)展
1.4 本書內(nèi)容
第2章 一小時了解數(shù)據(jù)挖掘
2.1　數(shù)據(jù)挖掘是如何解決問題的
2.1.1　尿不濕和啤酒
2.1.2　Target和懷孕預測指數(shù)
2.1.3　電子商務網(wǎng)站流量分析
2.2　分類：從人臉識別系統(tǒng)說起
2.2.1　分類算法的應用
2.2.2　數(shù)據(jù)挖掘分類技術(shù)
2.2.3　分類算法的評估
2.3 一切為了商業(yè)
2.3.1　什么是商業(yè)智能（Business Intelligence）
2.3.2　數(shù)據(jù)挖掘的九大定律
2.4 數(shù)據(jù)挖掘很糾結(jié)
2.5 數(shù)據(jù)挖掘的基本流程
2.5.1　數(shù)據(jù)挖掘的一般步驟
2.5.2 幾個數(shù)據(jù)挖掘中常用的概念
2.5.3　CRISP-DM
2.5.4　數(shù)據(jù)挖掘的評估
2.5.5　數(shù)據(jù)挖掘結(jié)果的知識表示
2.6　本章相關(guān)資源
第3章 數(shù)據(jù)倉庫——數(shù)據(jù)挖掘的基石
3.1　存放數(shù)據(jù)的倉庫
3.1.1　數(shù)據(jù)倉庫的定義
3.1.2　數(shù)據(jù)倉庫和數(shù)據(jù)庫
3.2　傳統(tǒng)的數(shù)據(jù)倉庫介紹
3.3　數(shù)據(jù)倉庫基本結(jié)構(gòu)
3.4　OLAP聯(lián)機分析處理
3.5　云存儲上的數(shù)據(jù)倉庫
3.5.1　Google公司的云架構(gòu)
3.5.2　開源的分布式系統(tǒng)Hadoop
3.5.3　Facebook的數(shù)據(jù)倉庫
3.5.4　NoSQL
3.6　本章相關(guān)資源
第4章 數(shù)據(jù)挖掘算法及原理
4.1　數(shù)據(jù)挖掘中的算法
4.2　數(shù)據(jù)挖掘十大經(jīng)典算法
4.3　分類算法（Classification）
4.4　聚類算法（Clustering）
4.5　關(guān)聯(lián)算法
4.5.1　關(guān)聯(lián)算法中的概念
4.5.2　關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘過程
4.5.3　關(guān)聯(lián)規(guī)則的分類
4.5.4　Apriori算法的執(zhí)行實例
4.5.5　關(guān)聯(lián)規(guī)則挖掘算法的研究與優(yōu)化
4.6　序列挖掘（Sequence Mining）
4.7　數(shù)據(jù)挖掘建模語言PMML
4.8　本章相關(guān)資源
第5章 在進行數(shù)據(jù)挖掘之前
5.1　數(shù)據(jù)集成
5.2　為何要做數(shù)據(jù)預處理
5.3　數(shù)據(jù)預處理
5.3.1　數(shù)據(jù)清理
5.3.2　數(shù)據(jù)轉(zhuǎn)換
5.3.3　數(shù)據(jù)規(guī)約
5.4　本章相關(guān)資源
第6章 R語言和其他數(shù)據(jù)挖掘工具
6.1　R語言的歷史
6.1.1 R語言的特點
6.1.2 R語言和數(shù)據(jù)挖掘
6.2　其他數(shù)據(jù)挖掘工具
6.2.1 MATLAB
6.2.2 其他商用數(shù)據(jù)挖掘工具
6.2.3 開源數(shù)據(jù)挖掘工具Weka
6.3　數(shù)據(jù)挖掘和云
6.4　本章相關(guān)資源
第7章 互聯(lián)網(wǎng)上的日志分析
7.1　網(wǎng)站日志簡介
7.2　網(wǎng)站日志處理
7.2.1 Web日志預處理
7.2.2 Web日志分析和數(shù)據(jù)挖掘
7.3　郵件日志
7.4　本章相關(guān)資源
第8章 數(shù)據(jù)挖掘和電子郵件
8.1　郵件營銷與垃圾郵件過濾
8.2　數(shù)據(jù)挖掘和郵件營銷
8.2.1 如何有效地進行郵件營銷
8.2.2 郵件營銷案例分享之一
8.2.3 郵件營銷案例分享之二
8.2.4 運用數(shù)據(jù)挖掘RFM模型提高郵件營銷效果
8.3 數(shù)據(jù)挖掘和垃圾郵件過濾
8.3.1 垃圾郵件
8.3.2 垃圾郵件過濾技術(shù)
8.3.3 垃圾郵件過濾案例
8.4　本章相關(guān)資源
第9章 數(shù)據(jù)挖掘和互聯(lián)網(wǎng)廣告
9.1　互聯(lián)網(wǎng)廣告
9.2　廣告作弊行為
9.3　網(wǎng)站聯(lián)盟廣告
9.4 網(wǎng)站聯(lián)盟廣告上的數(shù)據(jù)挖掘
9.4.1 數(shù)據(jù)助力網(wǎng)盟廣告
9.4.2 如何應對網(wǎng)盟廣告作弊
9.5　本章相關(guān)資源
第10章 數(shù)據(jù)挖掘和電子商務
10.1　中國電子商務現(xiàn)狀
10.2　在互聯(lián)網(wǎng)上賣米
10.3　用數(shù)據(jù)來掌握客戶
10.3.1 客戶何時來、從哪來
10.3.2 客戶最喜歡哪種商品
10.3.3 競爭與反競爭分析
10.3.4 客戶還會買什么
10.3.5 哪些客戶是我們需要的
10.4　電子商務案例
10.4.1 電子商務企業(yè)案例一
10.4.2 電子商務企業(yè)案例二
10.5　本章相關(guān)資源
第11章 數(shù)據(jù)挖掘和Web挖掘
11.1　互聯(lián)網(wǎng)上的個性化–Like
11.1.1 Like=像
11.1.2 Like=喜歡
11.2　Web挖掘和SNS
11.2.1 SNS上的數(shù)據(jù)價值
11.2.2 SNS上的數(shù)據(jù)關(guān)聯(lián)關(guān)系
11.2.3 SNS上的用戶關(guān)系
11.3　數(shù)據(jù)挖掘和隱私
11.4　本章相關(guān)資源
第12章 數(shù)據(jù)挖掘和移動互聯(lián)網(wǎng)
12.1　移動互聯(lián)網(wǎng)的特殊性
12.1.1 鎖定用戶的數(shù)據(jù)價值
12.1.2 移動互聯(lián)網(wǎng)上數(shù)據(jù)的形式
12.1.3 移動互聯(lián)網(wǎng)地理位置信息的價值
12.2 數(shù)據(jù)挖掘和LBS
12.2.1 用PU學習算法做文本挖掘
12.2.2 用相似匹配算法做地點挖掘
12.3 移動互聯(lián)網(wǎng)數(shù)據(jù)面臨的問題
12.4 本章相關(guān)資源
附錄1 技術(shù)詞匯表
附錄2 英語參考文獻表
附錄3 中文參考文獻表
附錄4 微博
附錄5 博客和其他網(wǎng)址