本书按照大数据开发流程系统介绍了Hadoop生态系统的核心开发技术，包括环境准备、文件存储与数据采集、数据处理与分析、数据库存储与数据迁移，并通过实际的操作案例，详细直观地介绍了大数据分析的实现过程。本书从Hadoop的概念开始，深入浅出地讲解了Hadoop包含组件的作用及使用方法，内容系统全面，可帮助开发人员快速实现大数据的离线分析。

本书主要介绍文本大数据挖掘技术及其在文本自动整编领域的应用方法。除绪论外，本书的主要内容分为上下两篇，共9章。绪论介绍了文本自动整编的相关技术及研究现状，并提出了两种可行的文本自动整编方案。本书的上篇主要介绍了基于抽取式方法的文本自动整编技术，内容包括：面向信息检索的抽取式多文档摘要技术架构、基于多示例框架的深度关联匹配、基于多粒度语义交互的抽取式文档摘要以及基于层次注意力和指针机制的句子排序。下篇主要介绍了基于生成式方法的文本自动整编技术，内容包括：生成式文本自动整编技术架构、基于预训练

在五彩缤纷的现实世界中，到处充斥着数字。这些数字有时会让人看得眼花缭乱，使人心绪不宁。因此，数据的收集、处理、分析尤为重要。掌握正确的数据收集、数据处理、数据分析的方法，由表及里、去伪存真，是人们在学习、生活、工作中必不可少的。 本书用一种比较通俗的方式向大学生介绍数据分析的基础知识和基本方法，以帮助他们全面理解和正确把握数据、培养定量化的思维方式。本书具有以下特点：叙述浅显，书中假设本书读者没有学过“高等数学”课程，所以全书没有包含任何数学公式的推导，而采用叙述的方式引入重要的概念，同时把计算

本书是有关过程参数检测和自动化仪表系统的基础理论和应用技术的教材。
全书分为五篇共20章。第一篇中第1、2章介绍检测和仪表的基本知识及误差分析方法，第3章介绍检测技术基本方法；第二篇中第4章~第9章分别介绍温度、压力、流量、物位、机械量、成分分析等参数的检测方法；第三篇中第10章介绍自动化仪表特性及发展，第11章~第14章分别介绍仪表系统中的变送、显示、调节和执行等单元；第四篇中第15章、第16章分析和讨论由仪表构成的计算机控制系统和现场总线控制系统的相关技术及其发展趋势；第五篇中第17章

本书主要介绍了机械类本科生和研究生在做测控及自动化方面的实验所涉及到的基本实验工具，如Matlab/Simulink、PLC、组态王、WinCC Flexible、TwinCAT、51单片机、Arduino、ARM、树莓派等，采用项目式实验，通过动手做，学会以上常用测空自动化工具软件的基本使用方法，在此基础上，完成基本和综合的测控自动化相关课程的实验任务。本书可作为高校机械类专业工程测试技术、机械工程控制基础及机电一体化系统等测试控制课程实验的指导书，也可供机电、自动化、仪器仪表等专业工程

本书将围绕大数据技术的基本原理与实践,介绍了大数据获取、存储、分析、数据挖掘和机器学习。内容涵盖以下主题：Hadoop、Mapreduce、关联规则、大规模监督机器学习、数据流、集群、NoSQL系统（Pig、Hive），以及包括推荐系统、Web和安全性的应用程序。第1章重点阐述了大数据驱动的商业模式、技术生态体系，大数据的类型、特点、获取技术。第2章概要介绍了大数据的软硬件架构，包括大数据技术基础与软硬件设施、大数据存储与管理技术、大数据的分布式处理技术平台等，包括MapReduce编程框

本教材是为了适应我国卓越工程师教育培养计划和工程实践教学改革的需要，根据21世纪人才培养模式的新变化，针对中德合作高层次应用型创新人才培养的特点而编写的。本教材从训练学生的工程实践及应用能力出发，以培养综合创新思维为目标，以及为机械工程实践教学改革提供基本思路。
通过本教材的学习，使学生获得产品几何量测量工程和智能检测系统和仪器设备应用两方面的基本知识、基本理论和相关的工程训练能力。进一步学会运用国家标准、产品几何技术规范（GPS）、几何公差等标准；掌握机械设计过程中的误差知识，并学会分析

本书以大数据运维工程师为职业培养方向，以职业岗位的“典型工作过程”为导向，融入行动导向教学法，将教学内容与职业能力相对接、单元项目与工作任务相对接。本书以实训为主体，配合实训指导视频，结合适当的知识讲解，让大数据技术学习者能快速掌握大数据平台部署与运维相关的实操能力，并建立基础理论认知。本书共8个项目，内容包括认识大数据、配置平台基础环境、部署Hadoop框架、使用HDFS、MapReduce编程、部署与使用HBase、部署与使用Hive、部署与使用Spark，涵盖了当前大数据技术领域的主要技术

本书是针对高等职业院校财经商贸大类专业大数据技术应用基础相关课程编写的教材, 旨在帮助学生建立数据思维和培养处理、运用数据的能力。本书采用贴近学生学习和生活情境的案例, 通过“提出问题-确定所需数据-寻找数据-处理和分析数据-分析问题并提出解决方案”五个步骤, 解决数据价值认知、寻找需要的数据、分析数据和应用数据四个根本问题。

本书全面系统地介绍数据挖掘的概念、技术、算法及应用, 力求为初学者构建一个合适的学习框架。全书将数据挖掘归纳成数据预处理、数据探索、决策树、贝叶斯分类、人工神经网络、支持向量机、关联规则分析、聚类、时间序列预测等几个主题, 不仅详解技术原理和算法实现, 而且还结合复杂多样的实际数据环境, 探讨其应用场景和使用方法。