近几年来，随着计算机和信息技术的迅猛发展和普及应用，行业应用系统的规模迅速扩大，行业应用所产生的数据呈爆炸性增长。人们把这种大规模数据称为海量数据。 本书针对社会需求，为信息管理与信息系统专业本科生提供大数据存储及处理方面的知识。通过系统的讲解大规模数据的存储及处理等基础知识，使学生了解分布式数据处理系统的基本思想、原理及架构；通过实际案例分析及实践，使学生掌握大数据存储及处理的技术方法，最终使学生具备参与大规模分布式数据处理系统的搭建、数据分析及处理以及数据可视化等方面的能力。 本书大致目录

本书选取薪资管理、量化投资、固定资产管理3个常见的财务工作场景, 详细介绍这些工作场景涉及的大数据基础知识, 数据库基础操作和高级操作, 以及数据采集和数据可视化等专业知识。

本书主要介绍大数据可视化的基本概念和相应的技术应用。全书内容共11章, 分别为大数据可视化概述、大数据可视化原理、大数据可视化方法、数据可视化工具、Excel数据可视化、Tableau数据可视化、ECharts与pyecharts数据可视化、Python数据可视化、R语言可视化、大数据可视化行业分析以及大数据可视化综合实训。本书将理论与实践操作相结合, 通过大量的案例帮助读者快速了解和应用大数据分析的相关技术, 并且对于书中重要的、核心的知识点加大练习的比例, 以使读者达到熟练应用的目

本教材重点讨论基于李雅普诺夫方法的非线性控制及其在实际系统中的具体应用，首先介绍李雅普诺夫稳定性理论，然后依次对非线性系统精确线性化、自适应控制、鲁棒控制、学习控制等方法进行讨论，同时应用李雅普诺夫理论对于这些控制方法进行稳定性分析。

在内容安排上，第2、3章是理论基础。其中，第2章重点介绍书中所涉及的数学背景，主要包括用于信号分析的几个重要定理以及少量的微分几何基础知识。第3章讨论李雅普诺夫基本理论，给出各种稳定性的数学定义，并重点介绍李雅普诺夫稳定性理论和拉赛尔不变性原理。第4

本书较全面地叙述了智能控制的基本理论、方法和应用。全书共分18章,主要内容为模糊控制的基 本原理和应用、神经网络控制的基本原理和应用、智能优化算法及其应用和智能 协 调 控 制 基 本 原 理 及 应用。本书系统性强,理论联系实际,叙述深入浅出,适合初学者学习。书中给出了一些智能控制算法的仿 真实例和 MATLAB仿真程序(见配书资源),并配有一定数量的习题,可作为高等院校工业自动化、计算机 应用、电子信息等专业的高年级本科生和硕士研究生的教材,也适合从事自动化领域工作的工程技术人员 阅读和参考

集散控制系统是利用计算机技术对生产过程进行集中监控、操作、管理和分散控制的一种新型的控制技术。它是由计算机技术、信号处理技术、测量控制技术、网络通信技术和人机接口技术等发展而产生的。以现场总线为代表的工业控制网络已成为新一代工业控制系统中的重要技术，它使得集散控制系统组成更灵活、控制更方便、应用更广泛。现代工业生产离不开集散控制和现场总线技术。
本书将目前控制领域中的两大技术热点——集散控制和现场总线有机结合，从集散控制系统的硬件结构、软件体系、人机接口、控制算法，以及典型现场总线等方面进

《数据科学理论与实践》（第3版）重点讲解数据科学的核心理论与代表性实践，在编写过程中充分借鉴了国外著名大学设立的相关课程以及全球畅销的外文专著，同时考虑了国内相关课程定位与专业人才的培养需求。内容包括数据科学的基础理论、理论基础、流程与方法、技术与工具、数据产品及开发、典型案例及实践和附录等。
《数据科学理论与实践》（第3版）的读者范围很广，可以满足数据科学与大数据技术、计算机科学与技术、管理工程、工商管理、数据统计、数据分析、信息管理与信息系统等专业的教师和学生(含硕士生和博士生)的教学

本书系统介绍了大数据综合应用实践的技术知识和项目案例。全书共4章，内容包括大数据综合应用概述、基于Python+MySQL+Kettle的点评网数据采集分析及可视化、基于Hive+MySQL+Spark的零售数据分析及可视化、基于Elasticsearch+Logstash+Kibana+Filebeat的日志收集分析及可视化。第1章概要介绍了大数据的技术和综合应用，第2～4章以项目案例为基础对大数据环境部署、技术知识、上机实践操作等进行了详细说明与分析。读者可参照书中的项目环境部署、项目技术知

本书作为数字经济系列教材之一，介绍了商务智能相关概念和技术，包括数据仓库、联机处理分析、各种数据挖掘技术及其应用等。全书共分9章，主要内容包括商务智能概述、数据仓库、联机分析处理、数据挖掘基础、关联分析、分类分析、聚类分析、文本分析、Web挖掘。
本书可作为高等院校数字经济专业、信息管理与信息系统专业、数字金融专业、电子商务专业等相关专业的本科生、研究生的教材，也适合企事业单位、政府部门、研究机构等从事商务智能相关工作的人员参考使用。

本书通过大量实例介绍大数据平台技术，分4篇。大数据存储篇包括第1~3章，内容包括大数据技术概述、数据采集和大数据、大数据框架的安装和配置；大数据管理篇包括第4~7章，内容包括HDFS、Hadoop分布式计算模型、分布式协调服务ZooKeeper、Hadoop的集群资源管理系统YARN；大数据分析篇包括第8~10章，内容包括数据库MySQL和数据仓库Hive、NoSQL数据库HBase、基于内存的分布式计算框架Spark；大数据应用篇包括第11、12章，内容包括数据可视化、大数据应用综合案例。