本书是大数据新兴领域“十四五”高等教育教材。本书系统、全面地阐述了大数据管理的基本概念、技术和方法。全书分为三篇，共9章。第一篇为数据管理系统概述，包含第1章，综述了数据管理系统发展所经历的四个阶段，以及大数据管理系统的数据特征和系统特征，阐述了大数据管理系统的组成，指出大数据管理系统完成了从NoSQL到NewSQL的

本书共分为8章,每一章都围绕完整的项目展开,涵盖Spark的各个重要组件。包括认识Spark、Scala语法应用、SparkCore数据分析、SparkSQL结构化数据处理、Spark、流式数据处理,Spark结构化流式处理、Spark机器学习应用、社交软件运营数据分析,逐步提升读者的技术水平和应用能力。每个项目由多个

本书精心编排为15章,内容包括Spark简介、Spark集群环境部署、Spark编程体验、RDD深度解读、RDD的Shuffle详解、Spark共享变量、Spark序列化和线程安全、Spark内存管理机制、SparkSQL简介、SparkSQL抽象编程详解、SparkSQL自定义函数、SparkSQL源码解读、Spar

本书提供了完整的数据资产对内运营与对外运营的实施路径，从数据治理、数据资产入表到数据资产场景化应用，再到完整的数据资产运营，每个环节都有明确的实施路径及重点、难点。通过系统化的讲解，确保读者在理解每个概念的同时，能够掌握如何落地实施，避免出现知识断层的情况。 数据资产入表、管理和运营的核心是数据资产本身，法律、财务、评

本书是一部面向非计算机专业学生的教材，旨在介绍大数据相关知识，帮助学生全面了解大数据的生命周期及其相关技术。全书共分为8章，系统地介绍了以下内容：大数据采集与预处理、大数据存储与管理、大数据处理平台、大数据分析、大数据可视化、大数据安全与伦理以及大数据应用等。

大数据技术的落地依赖“工具链掌握+场景化应用”的双重能力。从Python爬虫、Hive数据分析到Flink实时计算、数仓架构设计，技能点的综合应用能力已成为企业招聘的核心标准。本书以“真实项目驱动实训”为核心思路，精选4个典型实训项目构建阶梯式训练体系，涵盖离线处理、实时计算、数仓设计等核心场景，强化工程思维；整合Py

本书围绕数据采集、清洗和标注三个环节展开，旨在为读者提供全面而深入的数据处理知识。首先介绍了数据采集的基础，从原始数据采集与互联网数据采集两个角度，阐述了数据采集的常用技术和方法。其次介绍了数据清洗的知识要点，针对结构化和非结构化两种数据组织形式，展现了如何通过有效的清洗技巧提升数据质量。接着通过文本、图像、视频、语音

本书以培育国产工业软件用户生态为宗旨，以满足控制系统相关专业教学需求为目标，紧密围绕控制系统的典型设计流程，编著者在多年的控制系统设计经验和MWORKS使用心得的基础上，较为系统、全面地介绍了科学计算平台MWORKS.Syslab和建模仿真环境MWORKS.Sysplorer的相关知识。在介绍了这两个软件的安装方法和软

《智能控制技术与应用案例设计》聚焦智能控制技术在石化行业的应用，全书共六章。首章阐述智能控制的发展、研究内容、对象、性能及特点。第二章围绕模糊控制，涵盖理论、模糊PID、Matlab实现及工程实验。第三章将李雅普诺夫稳定性理论融入自适应控制，解决非线性系统问题并给出仿真实例。第四章构建神经网络系统辨识体系，用于流程工业

本书详细介绍了大数据与数据治理、大数据思维变革、大数据可视化、大数据商业规则、大数据促进医疗与健康、大数据激发创造力、大数据预测分析、大数据存储技术、大数据处理技术、大数据与云计算、大数据与人工智能、大数据安全与法律、数据科学及其职业、大数据发展展望等内容，深入浅出，具有较强的系统性、可读性和实用性。