本书通过大数据技术基础、大数据应用场景、大数据建模分析和预测等方面，深入浅出地结合相关基础理论和技术的应用，给出大数据技术应用案例，内容通俗易懂，便于读者学习。同时，根据当前数字时代需求，梳理分析计算机基础、计算机网络基础、大数据发展概况、大数据分析工具、Python程序设计基础在大数据科学中的作用和应用等知识。本书可作为大数据科学技术从业人员的参考书；也适合作为网络空间安全、信息安全、计算机科学与技术、公安技术等相关专业高年级本科生和研究生的教材；还可供高校教师，相关科研、技术和管理人员，以及公检法司律等领域工作人员参考使用。

第一部分 基础篇
第1章 计算机基础概述
1.1 计算机的发展简史
1.2 计算机分类
1.2.1 基于计算机用途的分类
1.2.2 基于数据处理技术的分类
1.2.3 基于大小和存储容量的分类
1.3 计算机技术发展趋势
1.3.1 云原生应用开发
1.3.2 人工智能（AI）
1.3.3 区块链技术
1.3.4 自动化
l.3.5 网络安全
1.3.6 数字云
1.3.7 物联网
1.3.8 数字化转型
1.3.9 用户体验设计
1.4 云计算技术
1.4.1 云计算基本概念
1.4.2 云计算的优点
1.4.3 云计算的七大应用
第2章 大数据概述
2.1 大数据的定义
2.2 大数据的历史
2.3 大数据的类型
2.3.1 结构化数据
2.3.2 非结构化数据
2.3.3 半结构化数据
2.4 大数据的特点
2.5 大数据处理的优势
2.6 大数据的重要性
2.7 商业智能与大数据的对比
2.8 大数据和数据仓库
2.9 大数据分析的分类
2.9.1 基于规则的分析
2.9.2 基于统计学的分析
2.9.3 机器学习
2.9.4 自然语言处理
2.9.5 数据挖掘
2.9.6 可视化分析
2.9.7 预测和决策分析
2.10 大数据环境中的关联技术
2.10.1 服务基础设施
2.10.2 数据科学
2.10.3 数据挖掘
2.10.4 Hadoop
2.10.5 预测模型
2.10.6 MapReduce
2.10.7 NoSQI
2.10.8 Python
2.10.9 R编程
2.10.10 推荐引擎
2.10.11 Spark
2.10.12 结构化数据
2.10.13 非结构化数据
……
第二部分 Python程序设计
第三部分 基于Python的大数据实战案例
参考文献