本书主要介绍大数据关键技术中的大数据采集和数据预处理技术，是大数据专业的入门级的专业基础课教程（含教学课件、源代码与视频教程），旨在为学生搭建起大数据的知识架构，讲述大数据采集和数据预处理的基本原理，开展相关的实验，为学生在大数据以及相关领域的学习奠定坚实的基础。全书共分四部分：第一部分是理论基础（第1~2章和第6章），主要介绍大数据技术、大数据采集和大数据预处理的基本概念以及基础理论；第二部分是大数据采集（第3~5章），分别介绍3种大数据的采集方法、技术及4种工具；第三部分是大数据预处理（第7

本书以大数据分析技术及其应用为核心，系统地介绍了信息技术与大数据分析基础、大数据分析工具、信息网络技术与数据获取、文本和表格数据处理、数据分析、大数据分析实战等内容。本书通过一系列实例分析，深入浅出地向读者具体介绍了AI Studio云计算平台、Python程序设计语言、Word 2016、Excel 2016和PowerPoint 2016等工具和软件的使用方法及其在大数据分析技术中的应用。
本书内容完整，文字深入浅出，理论知识通俗易懂，可作为大数据时代“新文科”与“新工科”建设背景下高

本书在全面梳理和分析国内外在大数据安全保护技术、标准规范及法律政策等资料的基础上，对大数据安全和隐私保护的相关技术、基础理论等进行了全面介绍。本书共12章，内容包括大数据安全相关技术、密码技术及网络安全协议、大数据平台Hadoop的安全机制、身份认证技术、访问控制技术、数据加密技术，并对大数据采集、存储、处理、交换、销毁等生命周期中各阶段的安全框架与防护技术进行了详细介绍，最后介绍了大数据算法基础及其攻击模式、国内外大数据安全与隐私保护相关法律法规等内容。
本书内容丰富、涵盖面广、系统性强

本书主要介绍了大数据的基本概念、原理、方法和技术。全书共分11章，第1章介绍大数据的基本概念；第2章介绍大数据系统生态；第3、4章分别论述大数据存储与管理技术、大数据计算与处理技术；第5、6、7、8章介绍大数据获取技术、大数据预处理技术、大数据分析技术、可视化展现技术；第9、10、11章介绍了3个典型案例。全书坚持系统性与重点突出并重、理论与实践相结合的原则。不仅给出了大数据技术的知识体系，还重点介绍了一些关键性知识；一方面通过实例，讲解每个技术的原理，另一方面提供面向实际应用的综合实

"本书聚焦于Hadoop、Spark、Flink等面向数据密集型应用的分布式计算系统，将原理、架构、编程的知识进行有机结合，统一从设计思想、体系架构、工作原理、容错机制和编程示例5个维度进行剖析。本书注重通过横向比较阐释该类系统设计的共性原理，帮助读者形成完整、统一的知识体系。本书概述了分布式计算系统（第1章），根据应用场景的差异将分布式计算系统划分为批处理系统（第3、4章）、流计算系统（第7、8章）、批流融合系统（第9、10章）、图处理系统（第11章），并选取了各个类别中的典型代表。

本书由浅入深地介绍了Hadoop技术生态的重要组件，让读者能够系统地了解大数据相关技术。第1章主要从整体上介绍了Hadoop大数据技术，并搭建Hadoop运行环境。第2～5章着重介绍了Hadoop核心技术，包括Hadoop分布式文件系统（HDFS）、Hadoop资源管理系统（YARN）、Hadoop分布式计算框架（MapReduce）以及ZooKeeper分布式协调服务。第6章重点介绍了Hadoop分布式集群的搭建以及集群的运维与管理。第7～8章详细介绍了Hive数据仓库和HBase分布式数据库

本书以项目案例为导向，贯穿讲解一个大数据的实战项目：广电大数据用户画像。全书共8章，具体内容包括大数据项目概述、Hadoop生态组件基础、广电大数据用户画像需求分析、广电大数据用户画像数据采集与预处理、广电大数据用户画像实时统计订单信息、广电大数据用户画像用户标签计算与可视化、广电大数据用户画像任务调度实现、基于TipDM大数据挖掘建模平台实现广电大数据用户画像。本书从项目需求探索、技术选型、架构设计、集群安装部署与集成开发以及项目开发进行实战讲解，有助于读者综合运用大数据技术知识和各种工

本书主要讲解Hadoop的分布式文件系统、MapReduce编程模型和Spark大数据处理技术。全书共12章,具体包括大数据概述、Hadoop大数据处理架构、HDFS分布式文件系统、MapReduce分布式计算框架、HBase分布式数据库、Spark概述、基于Scala的Spark编程、Windows环境下Spark综合编程、Spark SQL结构化数据处理、Spark Streaming流计算、Spark GraphX图计算、项目实训：《平凡的世界》孙家人物关系图分析。 本书可作为高等院

本书是创新性系统讲述数据故事化的理论与实践的教材，特别注重相关理论的继承和创新，不仅吸收全球一流大学及国外相关领域的标志性成果及最新进展，还充分体现了我国传统文化及人才培养的需要及未来社会的人才需求，系统讲解数据故事化的理论、方法、技术、工具与代表性实践。全书分为三篇：基础篇主要讲解数据故事与文学故事的联系及区别，以及数据故事的定义、特征、认知和应用；理论篇主要分析数据故事化的核心理论、数据故事化的理论基础及数据故事化的方法与技术；实战篇主要讲解Tableau的数据故事化功能和基于Tableau

全书共20章, 第1-9章分别介绍大数据与人工智能的发展历史、数据工程、机器学习算法、深度学习与神经网络、大数据存储技术、Hadoop MapReduce解析、Spark 解析、分布式数据挖掘算法和PyTorch解析等知识, 第10-20章为大数据技术和机器学习技术相结合的一些案例。