可视化流数据安东尼阿拉各斯著中国电力 pdf下载

· 确定公司可视化流数据的目标。

· 确定关键数据源并了解如何对其进行流式处理。

· 了解处理流数据的实用方法。

· 构建与事件、日志和记录进行交互的客户端应用程序。

· 探索可视化流数据的通用组件。

· 考虑用于开发可视化的分析概念。

· 定义仪表板的布局、流向和组件移动。

· 通过协作提高可视化质量和生产力。

· 探索包括安全性、物联网设备，以及应用程序数据在内的用例。

目录

前言 1

章 概述 9

为什么要可视化 10

标准 11

术语 12

数据格式 13

数据可视化应用 14

假设和设置 15

第2 章 目标 17

展示目标 18

预批处理分析 24

分析人员决策队列 25

数据管道可视化 26

展示地图上的运动 27

提出新问题 27

考虑频率和顺序 28

第3 章 数据源 31

数据源类型 32

流式处理的对象 32

数据存储注意事项 33

管理多个源 35

第4 章 流式处理数据 39

如何流式处理数据 40

缓冲区 43

流式处理实践 45

第5 章 为可视化处理流数据 47

批处理 47

内联处理 48

处理模式 48

查找 53

标准化事件 55

提取值 56

JSON CollectioDecorator 57

处理清单 58

流统计信息 60

记录上下文清单 63

扩展数据流 63

展示处理 66

第6 章 开发客户端 69

原生或基于浏览器开发 70

框架和库 71

常用方法 71

从示例客户端应用程序开始 72

客户端库 73

代码结构 74

替代方法 76

第7 章 展示流数据 79

显示流数据 80

仪表板 83

视觉元素和属性 84

数据密度 95

划分时间 96

存活时间 97

上下文 99

视觉语言 101

适当显示 103

第8 章 可视化组件 107

记录 107

统计数据 109

可视化 112

常见可视化的流选项 114

流可视化技术 119

条形图示例 123

静态信息 126

第9 章 流分析 129

视觉干扰 130

视觉欺骗 130

认知偏差 132

分析模型 133

视觉分析 135

流分析工作流 136

上下文感知 138

异常值示例 139

0 章 工作流可视化 143

更新处理 144

与可视化交互 145

存储决策 147

1 章 流数据仪表板 151

布局 152

流向 157

组件移动 159

自动驾驶 161

2 章 机器学习 163

机器学习入门 163

机器学习与流数据可视化 166

展示机器学习结果 166

监督学习与持续调优 171

展示未预期情况 173

机器学习决定显示什么 174

3 章 协作 177

为什么协作 177

分享 180

4 章 导出 183

配置 184

数据集 187

流回放报告 187

静态报告 188

提交数据提要的处理更新 190

5 章 用例 191

安全性 192

机器学习交互 192

智能设备（又称物联网） 193

品牌监督 194

舆论 194

应用程序数据 195

错误监控 195

协作 196

工作流 197

分析人员的输入 197

数据探索 198

示例 199

6 章 总结与参考 205

提到的链接 205

数据 205

转换与过滤 206

展示仪表板和组件 207

交互和操作 207

系统之外 208

Anthony Aragues在指导安全产品方面具有广泛的技术和业务经验。他对威胁情报的关注始于2008年McAfee的全球威胁情报项目，在那里他申请了多项威胁情报专利。他还领导了Norse所有产品工程和产品管理。