本书共分四部分，第一部分即绪论，指出智能检测技术的核心问题。第二部分即第2章，讲述多变量数据统计分析与人工智能算法，主要包括主成分分析、回归分析、分类与判别分析等常用的多变量数据统计分析方法，又简述了ANNs、SVM等机器学习和深度学习算法。第三部分包括第3-7章，从对眼、耳、口、鼻、触的仿生传感技术角度，对应阐述光学与图像检测、声学传感与声发射检测、电化学与生物传感器、气敏传感与电子鼻技术，以及能感知对象内部成分的近红外光谱和高光谱成像等先进传感技术。第四部分即第8章，讲述多传感器信

本书采用新体系、新内容、新技术，在作者编写的十一五规划教材《计算机控制系统》第3版基础上，遵循新工科理念，与时俱进，为满足近几年新增专业（如机器人工程、人工智能等）或有关领域和行业对学习计算机控制新技术的迫切需求而重新编写。
本书注重理论联系实际，突出工程应用，全面系统地介绍了计算机控制系统的各个重要组成部分，是在作者30多年教学与科研实践经验的基础上，吸收国内外计算机控制系统设计中所采用的*新技术编写而成。书中讲述了计算机控制技术在现代数控系统、工业机器人、自动驾驶汽车、云计算

《大数据与人工智能》系统介绍了大数据和人工智能的相关概念和技术，主要涉及大数据工程、人工智能原理、人工智能算法在大数据平台上的实现及相关原理的前沿应用。
　　全书共分为3篇，第1篇是大数据技术原理与应用，第2篇是人工智能基础与应用，第3篇是大数据与人工智能的综合应用。第1篇讲述了大数据的来源与发展，大数据技术的重要概念和大数据处理框架，重点介绍了分布式存储系统、MapReduce的概念和应用，以及分布式数据库的概念及其与传统数据库的区别和优势，并以示例的方式讲述了大数据技术在生活中的应用。

本书将现场总线控制技术与工程应用相结合，先简单介绍了工业数据通信的基础知识；再从工程应用角度出发，以项目案例的形式介绍了CAN、PROFIBUS-DP/PA、工业以太网、PROFINET IO、AS-I等总线的规范、技术特点、组态方法，以及经典WinCC V7.3及TIA Portal WinCC V13组态软件的特点、组态与应用，并分析与讲解了工业自动化控制网络的设计与实现；*后，本书以SIEMENS S7-300 PLC为对象，介绍了总线软冗余技术基础知识、冗余组件以及实现方法。

本书主要内容包括：MCGS初级应用、MCGS中级应用、MCGS实训应用、MCGS触摸屏应用、附录。

本书围绕大数据采集、汇聚、存储、计算、分析、挖掘、可视化等处理全过程，基于Flume、Kafka、HDFS、HBase、MapReduce、Spark、Hive、ECharts等主流软件全面介绍大数据的基础原理和核心技术，以及人工智能、云计算和物联网等大数据相关内容，并在此基础上进一步阐述政务、商业等行业大数据，以及文本、图像、音频、视频等媒体大数据的应用现状和**进展。本书内容丰富，深入浅出，同时配有大量实操代码和应用案例，可作为学习大数据的入门和进阶教材。

随着国家大数据相关政策、规划的密集出台，大数据、人工智能商业落地速度加快，其在各个领域的应用也越来越广泛，其中面向企业服务、金融、医疗健康、电子政务、电子商务等细分领域的大数据应用展现出巨大的潜力。

大数据是需要新处理模式才能适应的海量、高增长率和多样化的信息资产，被誉为未来的新石油，以至于数据的获取、存储、搜索、共享、分析以及可视化呈现都成为当前重要的研究课题。

本书重点讲述数据采集与预处理的相关内容，并以真实案例介绍不同数据源的采集方式及基本的数据预处理方法

本书面向大数据技术专业，遵循知识性、实用性、系统性、条理性、连贯性和先进性的原则，力求激发读者的兴趣，注重实践性环节教学，注重各知识点之间的衔接，精心组织内容，做到由浅入深、突出重点。本章共 9 章，第 1 章为 Spark 基础，主要包括 Spark 基础知识、Spark 应用场景以及 Spark 生态系统等内容；第 2 章为 Scala 语言基础和面向对象编程，包括 Scala 编程基础、Scala 数组和集合以及映射、Scala 对象和多继承等内容；第 3 章为 Spark 设计与运行原理

本书参照教育部计算机基础课程实验教学的基本要求，主要介绍信息技术及其应用，从基础原理出发、以具体应用为导向进行数据处理讲解。
全书共三部分：第一部分（第1～4章）为数据处理基础，介绍数据获取以及基本的数据处理方法，包括使用软件、浏览器插件等工具爬取数据，Excel电子表格数据处理和图像数据处理；第二部分（第5～8章）为数据可视化展示，介绍数据可视化的不同形式，包括Word图文报告设计、PPT演示文稿制作、Camtasia视频制作和Animate动画设计；第三部分（第9～12章）为编程式数据

本书详细阐述了大数据领域数据采集与预处理的相关理论和技术。全书共8章，内容包括概述、大数据实验环境搭建、网络数据采集、分布式消息系统Kafka、日志采集系统Flume、数据仓库中的数据集成、ETL工具Kettle、使用pandas进行数据清洗。本书在第3章至第8章中安排了丰富的实践操作，以便读者更好地学习和掌握数据采集与预处理的关键技术。 本书可以作为高等院校大数据专业的大数据课程教材，也可供相关技术人员参考。