本书围绕 Hadoop 大数据平台及其生态系统组件的部署与运维，采用 “任务驱动＋知识准备＋任务实施＋考核评价＂ 的项目化模式组织各单元的内容。全书分为 11 个单元，主要内容包括大数据简介、Hadoop伪分布式安装部署、Hadoop 集群部署与监控、HDFS 分布式存储、使用 MapReduce 实现电商销售数据的统计、Hadoop 高可用集群规划部署、分布式数据库 HBase 部署与应用、数据仓库 Hive 部署与应用、Spark计算框架部署、Flink流式计算框架部署与操作、020外卖服务

本书是一本面向数据科学初学者的实验教材。本书旨在通过实验的方式，帮助学生掌握数据分析和挖掘的基本概念、方法和技术，并学会使用Python等工具进行实际操作。本书的实验设计涵盖了数据预处理、数据可视化、分类与预测、聚类与关联规则挖掘、文本挖掘、网络分析、时间序列分析、情感分析和主题模型等多个方面，旨在培养学生的数据思维和实际操作能力，为学生日后从事数据科学工作打下坚实的基础。本书的实验设计遵循理论与实践相结合的原则，每个实验都提供了详细的理论知识和实验步骤，以及实验数据和代码。通过实验，学生可以熟

本书面向应用型本科人才培养模式的新需求，立足于生产过程中自动化测控系统的设计成套、运行维护能力的培养。首先讲述检测技术的基本概念、系统组成和测量误差的分析与处理，然后按被测参数分门别类地加以阐述，既包括连续过程类五大参数中的温度、压力、流量、物位和成分分析，也包括机械加工类常用的位移、转速等参数，各种参数测量均介绍了常用的五种以上的传感器或测量仪表的工作原理、结构组成及使用特点，而且例举了传感器在测控系统中的工程应用，后介绍了几种全新概念的现代检测技术。 本书既注重传统知识的讲授，又兼顾新技术、

《数据科学对社会科学转型的重大影响研究》从数据科学发展引致的科研范式转换视角，研究数据科学驱动社会科学转型的问题，重点研究数据科学驱动下的社会科学将具有何种全新的特征，探索社会科学研究在数据科学驱动下的转型路径。《数据科学对社会科学转型的重大影响研究》主要研究内容包括：数据科学的知识体系与方法工具、社会科学研究范式演化与数据科学在社会科学中的应用、社会科学研究的现实环境变迁与突出问题、数据科学驱动的社会科学认知体系重构、数据科学作用下的社会科学研究特征、数据驱动的社会科学转型的条件与保障等。

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

本书系统讲解了工业过程控制系统的分析和设计方法。首先,介绍了过程控制系统的结构、分类、特点及性能指标,通过机理法和测试法两种方法讨论了工业过程的动态特性和建模方法,给出了常用控制规律及实现方法;然后,重点介绍了简单控制系统及复杂控制系统(串级、前馈、Smith预估、比值、解耦、选择、均匀和分程等)的结构和方案设计;最后,以火力发电厂控制系统为代表性应用实例,介绍了如何根据特定工程需求进行控制系统设计和调试,并给出某过程控制实验装置的PLC开发过程。书后附录给出了工业过程中常用的两种图例标准,有助

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