概要

海量数据的机遇与挑战

结论

第一章 引言

 挑战

 当前进展

 报告组成

 参考文献

第二章 科学、技术、商业、国防、电信及其他领域的海量数据

 海量数据出现在哪里

 海量数据分析的挑战

 大数据分析趋势

 样例

 参考文献

第三章 数据管理基础设施的规模扩大

 扩大数据集的数量

 通过分布式和并行系统实现计算技术的扩展

 未来研究的趋势

 参考文献

第四章 时态数据和实时算法

 概述

 数据采集

 数据处理、表示和推理

 针对时态数据集的系统和硬件

 挑战

 参考文献

第五章 大规模数据表示

 概述

 数据表示的目标

 挑战和未来方向

 参考文献

第六章 资源、权衡与局限性

 概述

 理论计算机科学的相关知识

 差异与机会

 参考文献

第七章 由海量数据建立模型

 统计模型介绍

 数据清洗

 模型分类

 模型调整与评估

 挑战

 参考文献

第八章 采样与海量数据

 统计采样的常用技术

 海量数据采样的挑战

 参考文献

第九章 人类与数据的交互

 概述

 最新进展

 人机协同的数据分析

 机遇、挑战和方向

 参考文献

第十章 海量数据分析的七个计算“巨人”

 基本统计

 广义N\\|体问题

 图论计算

 线性代数计算

 优化

 积分

 对齐问题

 讨论

 参考文献

第十一章 结论

附录A 缩略语

附录B 委员会成员简介

近年来，大数据成为学术界和工业界的热点，其本质就是海量数据分析。海量数据的来源包括互联网、传感器、生产生活、科学观测、科学实验等。海量数据分析不仅可以帮助人们取得新的科学发现，也可以推动技术的适应性、个性化和健壮性方面的进步。海量数据分析是一个跨学科的研究领域，理解本书的内容需要具备计算机科学、统计学和优化理论的基础知识。美国国家学术院国家研究委员会编著的《海量数据分析前沿》从计算和推理的角度分析了与海量数据分析相关的前沿问题，重点介绍海量数据挖掘分析以及流数据挖掘的进展，讨论了并行和分布式系统架构方面的最新发展，具体内容包括数据建模、任务建模、计算复杂性问题分析、数据采样以及人工参与的数据分析方法等。

按照美国国家学术院国家研究委员会编著的《海量数据分析前沿》的观点，大数据的本质就是海量数据分析。海量数据的来源包括互联网、传感器、生产生活、科学观测、科学实验等。海量数据分析不仅可以帮助人们获得新的科学发现，也可以推动技术在适应性、个性化和健壮性方面的进步。海量数据分析是个跨学科的研究领域，理解本书的内容需要具备计算机科学、统计学和优化理论的基础知识。本书从计算和推理的角度分析了与海量数据分析相关的前沿问题，重点介绍海量数据挖掘分析以及流数据挖掘的进展，讨论了并行和分布式系统架构方面最新发展，具体内容包括数据建模、任务建模、计算复杂性问题分析、数据采样以及人工参与的数据分析方法等。