本书的主旨是介绍如何结合Python3语言进行各类结构化和非结构化数据的采集、预处理和存储，涉及统计概率、数据格式与编码、网页开发、自然语言处理、数据科学等不同领域的内容。全书共分为11章，包括数据科学概述、Python基础、统计与概率基础、文件读写与操作、数据可视化、网络数据爬取等多个主题。内容覆盖本地文件、网页数据、大数据访问等编程中的主要知识和技术，在重视理论基础的前提下，从实用性和丰富度出发，结合实例演示了数据采集、处理与存储的核心流程。本书适合高等院校计算机、数据科学与大数据技术、软件

本书以初学者的角度详细介绍Spark架构的核心技术，主要围绕Spark的架构、Spark的开发语言、Spark模块的主要功能展开；以IDEA为主要开发工具，CentOS为运行环境，采用理实一体化授课模式。本书内容包括Spark导论，Spark环境搭建与使用，Scala语言，Spark弹性分布式数据集，Spark SQL、DataFrame和DataSet，Kafka分布式发布-订阅消息系统，Spark Streaming实时计算框架，Spark MLlib 机器学习算法库，Redis数据库

本书以数字经济发展为背景，围绕数据要素估值，从数据要素概念界定入手，介绍数据要素经济价值、数据要素市场发展及管理、相关研究前沿知识等。本书以数字经济发展为背景，围绕数据要素估值，结合实务界探索成果与理论界研究成果，构建了数据资产评估框架和数据要素定价知识体系。本书内容编排体现关于数据要素市场改革的重点：数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护。
本书适合金融学、投资学等财经类专业的学生作为教材使用，也适合从事人工智能、工程管理、大数据管理与应用、工业智能等交叉

本书系统介绍大数据技术的原理与应用，主要内容包括基本概念、分布式计算编程基础、Hadoop系统、分布式文件系统HDFS、分布式数据库HBase、分布式计算框架MapReduce、数据仓库Hive、流计算Spark Streaming、数据可视化、大数据的电商精准营销案例、好友推荐案例等章节，涵盖了海量数据的高效存储、非结构化数据存储和随机访问、分布式并行编程、数据仓库、实时计算、数据可视化、电商精准营销、好友推荐等各个方面的内容。本书以简单易懂的语言、生动有趣的实例和图形展示知识点，将概念、原理

《Spark 3 x综合项目实战》分为基础篇、案例篇两部分。在基础篇（第1-2章）中首先介绍了Spark运行环境的搭建、Spark的生态体系、编程模型、Scala基本语法、高阶函数、集合等方面的基础知识；在案例篇（第3-7章）中的5个综合案例详实的介绍了如何使用Spark实现音乐、房地产、气象、电商等领域大数据分析与挖掘的技巧。主要目的是通过Spark综合应用项目，帮助读者食味知髓，领悟Spark项目的精妙而步步渐悟，修炼成Spark高手。同时，本书还提供了详细的实训指导、数据源和程序代码等配套

数据挖掘已经广泛应用于各行各业，并推动了商务数据分析的兴起。本书结合项目实践，首先对数据挖掘的核心问题进行总结，讨论数据挖掘过程的主要步骤。在此基础上，使用Python语言详细地分析
数据
可视化、随机森林、GBDT、XGBoost、AdaCostBoost、逻辑回归等
在医疗保险稽核、淡水质量预测、弹幕
情感分析、机器学习书籍市场分析、慢性肾脏病状态预测、
行车记录仪销量分析、商务酒店竞争分析等典型领域的应用。


全书内容深入浅出，案例生动形象

《数据分析与挖掘技术》主要介绍数据分析与挖掘的相关理论和技术方法，重点介绍数据挖掘的相关技术，书中采取理论知识与具体实现任务相结合的方法，系统讲解了数据分析与挖掘的实用技术。全书共分为9章，主要内容包括数据分析与数据挖掘概论、数据仓库与联机分析处理、数据预处理、关联规则挖掘、聚类分析、回归分析、决策树分析、SPSS数据挖掘基础、SPSS数据挖掘统计分析方法。为了使学习者能轻松掌握数据分析与挖掘相关的概念、算法和应用，《数据分析与挖掘技术》通过典型的应用实例以任务驱动的方式让学习者理解数据挖掘有关

本书系统介绍了大数据的内涵、特征、技术及应用。全书共10章,其中第1~8章为技术篇,主要从大数据处理流程出发,围绕大数据体系架构,详细阐述大数据采集与预处理、大数据存储、大数据分析挖掘、大数据可视化等关键技术。第9、10章为应用篇,对大数据在电信、文娱、教育、医疗等行业的具体应用进行了论述,并通过典型案例与Python代码示例,展示如何将大数据原理付诸实践。
本书兼顾专业性和可读性,适合作为高等院校大数据技术的基础教材,也可供大数据技术爱好者学习参考。