Spark 是业界主流的大数据计算框架，拥有强大的分布式计算能力，能够充分利用大量的廉价机器进行大数据的处理工作，同时又具备较高的性能，这使得它在各大互联网企业中有着广泛的应用。本书通过一系列通俗易懂的数据处理实例展开，详细阐述Spark大数据平台与环境搭建、Spark RDD 离线数据计算、Spark SQL离线数据处理、Spark Streaming流数据计算等一系列常见的大数据处理技术，在此基础上对Spark框架的核心概念及技术原理进行详细分析，最后通过一个综合实例展示Spark离线数据处

本书作为CDA三级认证教材，打破了传统的学院派知识整合模式，从业务应用场景出发来组织内容， 旨在更加贴近业务需求，而非单纯罗列算法。经过多年的打磨，本书精选了在行业应用中价值最大的九类场景，并提供不同场景下构建数据应用的最佳实践。 本书涉及的算法不仅涵盖传统的统计学习，还结合企业实际需求，解构了机器学习、深度学习的前沿方法，并提供了丰富的示例代码， 以便读者借鉴。本书分为三篇：理论篇、技术篇和管理篇。 理论篇共1章，讲解数据挖掘的核心思维、算法模型和数据挖掘之间的关系， 以及数据挖掘的落地场景框

本书共计8章，内容包括：初步认识数据空间、数据空间的发展背景、数据场：数据空间的基础理论、数据空间的架构、数据空间的关键技术等。

本书以多源离群数据检测为研究对象，对基于影响空间的离群数据检测、基于约束概念格的离群数据检测、基于核密度估计的离群数据检测、基于k近邻连接的多源可信离群数据检测、基于影响空间的多源关联离群数据检测等算法进行了研究，设计实现了多源离群数据的并行检测算法，可有效应用于智能制造中，为机械产品加工质量分析提供技术支持，也可应用于天体光谱数据中，为识别并交叉验证特殊、未知天体候选源提供了一种有效手段。

本书共9个项目，分别是Linux操作系统配置、Hadoop集群搭建、Hadoop分布式文件系统操作、MapReduce分布式计算编程实战、ZooKeeper分布式协调服务操作、Hadoop高可用集群搭建、HBase数据库操作、Hive数据仓库操作、Sqoop数据迁移操作。

大数据技术的落地应用高度依赖高效的数据集成能力。Sqoop、DataX、Flume、Flink CDC等工具作为连接关系型数据库与分布式存储系统的桥梁，是大数据开发工程师的核心技能栈。本书以场景化实训为导向，系统介绍Sqoop、DataX、Flume、Flink CDC的原理与应用方法，帮助读者掌握从数据采集、传输到存储的全流程技术。通过“图书销售数据集成”“零售业务数据集成”等项目，演示单工具在离线同步、实时捕获等场景中的应用；通过“银行金融租赁审批数据集成”项目，串联多工具实现离线全量数据与

本书讲述了数据预处理的方法，从Python的文件读取、statistics模块数据处理，到通过NumPy、Pandas进行数据获取、处理、清洗，再到特征构建、特征选择、特征降维、特征学习，最后完成一个综合项目的数据处理及分析。

本书内容涵盖数据科学、大数据和数据智能的基础知识，围绕数据科学的工作流程，详细介绍了从数据中获取知识的方法和技术，包括数据采集、数据整理与探索、数据可视化和数据建模预测等。本书介绍了基于人工智能技术实现文本、图像、语音、序列等多模态数据分析的方法，引入了大模型辅助数据分析、数据智能体等新技术。全书设计收集了多个数据应用案例，采用Python语言及相关科学计算工具包实现数据分析过程，通过实际案例帮助读者培养数据思维，进而能够运用统计学、人工智能等先进技术驱动数据来解决实际问题。 本书配套资源丰富，

本书介绍智能产线单元的相关知识与应用技术，培养学生的综合实践能力和工程素养。内容涵盖了智能产线单元的基本概念、西门子PLC编程语言与指令系统、工业机器人组成及系统连接、数控机床编程与加工以及智能制造单元控制系统等多个方面。

本书是大数据新兴领域“十四五”高等教育教材。本书全面介绍大数据分析的相关概念、方法与技术。全书分为基础篇、方法篇与应用篇三篇，共9章。基础篇包含第1章，介绍大数据分析的基本概念和知识；方法篇包含第2~6章，分别介绍常用的大数据分析平台、大数据统计分析、大数据机器学习、深度学习以及图挖掘与分析的相关知识；应用篇包含第7~9章，分别介绍文本、多媒体以及社会媒体三类典型大数据的分析与应用。各章均提供了习题以帮助读者巩固所学的内容。本书既可作为高等学校大数据相关专业本科生或研究生的教材，也可供