主要以S7-1200系列PLC为教授对象，约12个项目，教为详尽的介绍S7-1200 PLC的基础知识、编程软件、位逻辑指令、数据处理指令、通讯指令等。每个项目都以‘教学做’一体化模块式编写
，选题均来自于工业生产线。强调职业技能训练，注重培养职业能力。项目中均配有电路图和控制程序，并且每个项目容易操作与实现。本书的读者群体包括：机电一体化，电气自动化等专
业的学生；高级技工考证学员；企业PLC培训；PLC兴趣爱好者为了适应不同的市场需求。本书分为三个部分，初级篇，提升篇，高级篇。初

本教材依托以钢铁智能冶金技术、智能轧钢技术、机电一体化技术为基础，根据企业需要，按照组群逻辑实时开发金属材料检测技术、钢铁冶金设备维护、智能控制技术等相关专业共同组成的冶金类高水平专业群建设项目，与建龙西林钢铁有限公司一线工程师双元合作开发，使学生能够获得生产一线必须掌握的传感器和检测仪表方面的知识和技能，并实现从知识到技能的有效过渡。 	本教材共分为传感器基础部分（12个课题）、传感器综合实训部分（12个任务）和仪表进阶部分（5个课题）三个模块，避免了以往传感器教材只注重知识讲解、学

本书全面系统地介绍了现代检测技术课程的基本内容和前沿知识，针对信号的获取和后续处理以及现代检测系统应用设计等方面做了比较详细的阐述。书中内容丰富、新颖，理论联系实际，基础知识便于读者自学或复习，应用实例便于读者在设计和应用中参考。
本书可作为高等院校机电类或非机电类专业开设检测技术课程的通用教材，可用于自动化、测控技术与 仪器、过程装备和自动化、机械工程与自动化和电子信息工程等专业的基础课教材，也可供从事传感器及检测 技术研究开发、仪器仪表设计以及检测系统工程应用等方面的有关技术人员

"大数据分析包括查询型分析、描述性分析、探索性分析、挖掘型分析等。本书介绍基于R语言的大数据分析解决方案。全书分3篇共18章。第1篇R语言，包括第1～10章，分别为R语言概览、表达式、字符串与正规表达式、函数、向量、矩阵、数据框、列表、面向对象程序设计、数据存储；第2篇可视化，包括第11、12章，分别为统计绘图、图形文法ggplot2；第3篇数据分析，包括第13～18章，分别为数据分析基础、查询型分析与数据表、描述性统计与探索性分析、挖掘型分析、离群点检测、文本挖掘。
本书力求通俗易懂、简

"本书旨在引导读者全面了解分布式系统的核心原理、关键技术和实际应用。全书分为9章，内容包括分布式系统概述、理论基础、基础架构，以及分布式文件系统HDFS、分布式计算模型MapReduce、分布式协调服务ZooKeeper、分布式数据库HBase和分布式消息系统Kafka的工作原理与应用，最后提供两个实战项目，帮助读者将所学知识应用于解决实际问题。

本书的特点是系统性、实用性、通俗易懂、涵盖面广，可作为大数据、计算机等相关专业的本科和研究生教材，为不同方向的专业学习奠定基础。本书对社

"　　本书以Hadoop 及其周边框架为主线，介绍了整个Hadoop 生态系统主流的大数据组件以及平台运维。本书从零开始逐一讲解大数据体系中的各种技术，通过丰富的实战案例阐述重点、难点知识，为初学者进入大数据领域打好基础。书中各个项目设计合理，在每个项目开头设置导读，首先介绍知识点，然后紧跟实践操作，最后在每个项目末尾通过课后练习帮助读者巩固所学知识。
　　本书既可作为Hadoop 新手入门的指导用书，也可作为职业院校大数据技术、云计算应用技术和人工智能应用技术等计算机类专业的教材，还可供

"《大数据平台搭建与维护》以大数据平台项目场景和工作任务驱动的方式搭建逻辑架构，以大数据平台搭建与维护具体任务活动及工作步骤为核心构建内容体系，全书以工作手册的形式进行编写。《大数据平台搭建与维护》共包括6个项目，介绍了Linux系统的安装与配置、Hadoop HDFS 高可用集群搭建、Hadoop YARN高可用集群搭建与维护、HBase高可用集群搭建与操作、Hive数据仓库工具搭建与操作、某电商推荐系统大数据平台搭建案例等内容。《大数据平台搭建与维护》注重工匠精神的培养及工作任务实施过程中的

"本书以智能数据处理技术和应用为核心，全书共分为数据处理基础篇和数据分析技术与人工智能方法篇，详细阐述了人工智能、大数据、区块链等当代前沿信息技术的概念和应用，在数据处理基础篇中，以图书销售为例，通过Access 2016系统介绍了数据存储的概念和数据存储应用技术，并在数据分析技术与人工智能方法篇中，进一步介绍了智能数据分析语言 ——Python、数值数据智能分析技术、文本数据智能分析技术、人工智能分析方法、智能计算思维及其应用。本书通过一系列实例分析，深入浅出地向读者介绍了信息、数据、大数据、

本书系统而深入地探讨了伦理学在信息时代，尤其在大数据、人工智能等新兴技术领域的实际应用及其深远影响。全书结构清晰，共分为8章，内容从伦理直觉与伦理学的基础理论开篇，逐步延伸至工程师的伦理观念、信息社会中的伦理风险与挑战、大数据应用的伦理考量、数据权利的界定与保护、数据如何赋能公共治理，以及人工智能伦理的前沿探索等多个维度。
本书的核心目标在于帮助读者全面把握伦理学在信息时代的关键作用，提升个人的伦理素养，并为应对信息时代层出不穷的伦理挑战提供坚实的理论与实践支撑。通过丰富的案例分

本书共9章，主要内容如下：第1章介绍数据挖掘的基本知识，讲解了数据获取的关键环节以及数据挖掘流程；第2章讲解了数据清洗、数据集成、数据转换与规范化，以及数据规约等数据预处理方法，重视数据挖掘的数据准备工作，强调数据质量对数据挖掘算法性能的影响；第3章讲解了数据仓库和数据立方体的基本概念和系统架构，为处理和分析大规模数据集提供有效工具；第4章讲解了关联规则挖掘的相关知识；第5章讲解了经典的分类算法、回归预测算法、性能评估指标和模型调优方法；第6章讲解了经典的聚类算法；第7章讲解了图数据挖掘、时间序