本书围绕数据分析的基本概念与常用方法，提供一套适用于初学者快速入门的实践教材。本书中以医学数据为例，围绕实际应用场景中最常见的五种数据形式：统计数据、文本数据、时序数据、图像数据以及健康数据，从基本概念、初步探索到综合应用的全流程系统示范教学。本书共计五个章节，分别为：统计数据分析、文本数据分析、时序数据分析、图像数据分析以及健康数据分析。教材以典型案例为依托，涵盖临床统计数据、电子病例数据、脑电信号数据、医学影像数据和可穿戴设备数据等五种形态。本书旨在利用案例教学将知识点融会贯通，配

本书系统介绍了大数据的相关知识，全书共13章，内容包括Hadoop大数据处理架构、HDFS分布式文件系统、YARN资源管理、MapReduce分布式计算框架、HBase分布式数据库、流数据采集、典型非关系数据库的安装与使用、分布式数据分析工具Pig、Spark大数据处理框架、基于Python的SparkRDD编程、基于Python的SparkSQL结构化数据处理、Hive分布式数据仓库、典型数据可视化工具的使用。本书对大数据相关技术给出详细的编程示例，并给出详细的注解。

本书对第1版做了修订，紧跟传统分布式计算、云计算与大数据相关领域的新技术，以应用需求为背景讲解相关技术原理和应用方法，主要内容包括：传统分布式计算的基本原理和编程开发技术，云计算的原理和关键技术、主流云计算平台和编程开发方法，云原生技术、云计算安全技术与标准及云存储技术，大数据的分析处理关键技术、计算模式和编程技术、平台，大数据应用开发方法和典型应用案例等。

本书按照大数据采集与预处理的实现流程，由浅入深地讲解大数据采集与预处理的相关技术，以及如何使用不同方式对大数据进行采集与预处理。本书内容系统、全面，可帮助开发人员快速实现大量数据的采集。

本书主要内容包括大数据采集与预处理简介、PyCharm的安装与使用、Urllib库数据采集、Requests库数据采集、XPath和Beautiful Soup库数据解析、Scrapy框架数据采集与存储、Flume和Kafka日志数据采集以及使用Pandas、Pig、ELK进行数据预

本书按照大数据分析流程，以电商产品数据为例，由浅入深地讲解大数据分析的核心开发技术，以及大数据分析工具及其组件的作用和使用方法。本书内容系统、全面，可帮助读者快速掌握大数据分析技术。本书介绍了大数据分析的概念、应用场景、分析指标、分析工具、分析组件、分布式存储、分布式处理、数据离线分析、数据实时分析、数据挖掘，以及数据迁移等知识，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。
本书可作为高等职业院校大数据技术等专业的教材，也可作为大数据分析技术人员的参考书。

本书以Spark大数据分析的常用技术与真实项目相结合的方式，深入浅出地介绍Spark大数据分析的重要内容。全书共8个项目，内容包括广告流量检测违规识别流程分析、Spark大数据环境安装搭建、基于Hive实现广告流量检测数据存储、基于Spark SQL实现广告流量检测数据探索分析、基于Spark SQL实现广告流量检测数据预处理、基于Spark MLlib实现广告流量检测违规识别模型构建与评估、基于Spark开发环境实现广告流量检测违规识别，以及基于TipDM大数据挖掘建模平台实现广告流量检

本书基于Hadoop大数据平台，讲解大数据平台的搭建与运维、数据的采集与存储、数据的处理、数据的分析、数据的可视化等完整的大数据应用案例，不仅全面、详细地讲述Hadoop、MapReduce、HDFS、Hive、Spark和ZooKeeper等技术的相关知识，还详细介绍Hadoop集群和Hadoop HA集群的部署等内容。本书具有较强的实用性和可操作性，语言精练，通俗易懂，操作步骤描述详尽，并配有大量操作图例。

本书以“三教”改革为抓手，研究在大数据技术、人工智能等新兴技术环境下，会计职业教育如何转型开展“业财税”融合实践教学改革。改革研究包括“业财”融合实践教学内容设计、“财税”融合实践教学内容设计、“业税”融合实践教学内容设计三项，涉及营运管理岗位、资金管理岗位、成本管理岗位、绩效管理岗位、纳税申报岗位、税务检查岗位、纳税筹划岗位、税务风险管理岗位等八大岗位实践教学内容改革。“业财税”融合实践教学改革研究有效对接以上八大岗位工作内容和工作过程，并融合“1+X”职业技能等级证书考核标准和职业院校技能大

本书共分两部分：第一部分是网络数据采集与预处理的基础理论实践，包括任务1-任务6，主要讲解如何使用Python编写网络数据采集和预处理程序，内容包括Python环境搭建，Python基础语法、语句与函数，网络基础知识，常用网络数据采集与预处理库和解析库、数据持久化保存，以及requests库、Numpy库、Pandas库、Selenium技术、ChromeDriver技术和Scrapy技术的应用方式。第二部分是网络数据采集与预处理的综合案例，包括任务7-任务9，主要讲解requests

本书首先介绍了大数据应用基础：重点讲解了如何搭建Hadoop分布式集群平台，使用Java语言进行MapReduce分布式编程；HBase及Hive数据库环境的安装和数据的增、删、改、查操作；Spark平台的搭建、RDD操作及SparkSQL查询；Flink平台的搭建，Kafka消息中间件的使用及流批一体计算。其次对数据预处理的常用方法及如何使用Matplotlib实现数据可视化进行了讨论。最后讲解了大数据与机器学习、深度学习：本书不同于其他教材对机器学习算法进行列举，然后逐一展开讲解的