本书较为系统地讲解了大数据处理平台Hadoop和Spark生态系统的相关技术原理、使用方法和开发技术，全书共11章，主要包括大数据技术概述、大数据处理平台Hadoop、分布式文件系统HDFS、分布式计算框架MapReduce、Hadoop的发展和演化、数据仓库Hive、分布式数据库HBase、Spark的基本概念和整体架构及集群安装、Spark核心编程、Spark生态系统、Flinkk基本概念和体系结构及编程实践。

本书面向Hadoop大数据技术，通过大量实例，循序渐进地介绍了Hadoop生态系统常用组件的安装及使用方法。
全书共15个项目，主要内容包括：在虚拟机中安装CentOS 7、安装Hadoop伪分布、配置平台基础环境、搭建Zookeeper分布式集群、搭建HDFS分布式集群、搭建YARN分布式集群、Hadoop分布式计算框架(MapReduce)、Hive的安装与部署、Hive常用命令的使用、搭建HBase分布式集群、Sqoop的安装与部署、Flume的安装与使用、搭建Kafka分布式

本书是一本全面介绍数据挖掘基本原理、核心算法以及典型应用方法的专业书籍。第4版在前三版的基础上，对数据挖掘的方法论和知识点进行了重新归纳，按照基础篇、提高篇和应用篇进行设计。从方法论上说，数据挖掘是一个方法和原理逐步演变的过程。首先，最基础的数据挖掘方法主要有“关联规则”“分类”“聚类”，它们是数据挖掘的灵魂和基础，因此基础篇是了解和学习数据挖掘技术的入门知识。其次，随着数据挖掘技术研究和应用的深入，序列数据挖掘和深度神经网络得到充分研究。前者突破数据库的数据约束，面向时间序列发现有价值的知识模

随着“十四五”规划纲要中提出“协同发展云服务与边缘计算服务”的观点，边云智能已成为未来发展的重要趋势。本书依托于政策大背景，旨在向读者介绍边云智能的基础知识和应用。书中分为四个篇章，第一篇章介绍了边云架构的骨架和基础概念，第二篇章介绍了人工智能算法和深度学习模型，第三篇章介绍了云端决策算法和边缘端轻量化算法，第四篇章介绍了边云智能在智慧教育领域的应用。本书可以使读者了解边云计算的基本概念和原理逻辑，熟悉基本的人工智能计算方法和数据分析的逻辑和运用场景。通过数据科学的思路和方法，读者可以将无人系统

本书是一本专门面向数据标注人才培养的实训教材，适用于有意从事人工智能训练师和数据标注工作的人员。为了使学习更具有针对性，本书特别选择了能代表行业普遍需求的标注项目管理知识及典型文本、语音和图像标注任务进行讲解与训练，辅助学习者快速完成系统化学习，进行标注实战工作。 本书对文本的事件标注和关系标注、语音的采集和质检、图像的语义分割任务进行逐一讲解和分析，每种标注类型均配有对应的规范、举例分析、习题与解析。本书还针对各类标注配套了多种子任务类型或多个领域的实操练习题，目的是帮助标注学习者增长见识，从

本书是数据标注领域领先的实训讲义。本书着重对常见的文本、语音和图像标注任务类型进行介绍，帮助从事标注工作的学习者快速地完成系统化学习，进行标注实战。 本书对文本、语音及图像标注的多种任务类型逐一进行讲解和分析，每种标注类型均配有对应的规范、举例分析、习题及解析。同时，本书还针对各类标注配套多种子任务类型或多个领域的实操练习题，以帮助本书学习者增长见识，实现系统的、完整的学习，培养实战能力。

本书为高等职业教育计算机类新形态——工作手册式教材，内容包括基础环境的搭建与配置，Hadoop完全分布式集群的搭建与运行，Hadoop 核心组件的应用案例，Hive 组件的安装、配置与应用，ZooKeeper的安装、配置与应用，HBase 的安装、配置与应用，Sqoop 组件的安装、配置与应用，Flume 组件的安装、配置与应用，Kafka 的安装、配置与应用，Spark 的安装、配置与应用，广电大数据用户画像。本书采用项目式设计，以项目学习目标、任务描述、任务分析和任务实施作为立体化工作指南。

本书以数据智能和数据思维为核心，围绕数据的全生命周期管理概念，详细介绍了基于Excel的数据处理、数据分析与可视化方法与实践，以及数据管理和数据库实践。 全书分为理论和实验两部分，内容由浅入深，语言通俗易懂，案例贴近学生生活和学习真实场景，既体现了数据科学的技术热点，又兼顾了案例的生动性和趣味性，适合全国高等学校各专业作为新文科建设背景下的数据科学通识课教材使用，也可作为大数据、智能数据处理相关专业的专业教材或参考教材。

本书采用案例式编写模式，包括7个单元，其中，单元1介绍数据分析的基本概念、流程和常用工具包，单元2介绍数据标注的分类、基本流程及工具的使用，单元3介绍ndarray数组及Python科学计算库NumPy，单元4介绍数据分析处理库pandas，单元5介绍数据可视化工具包Matplotlib和seaborn，单元6介绍分类和回归模型及评价指标，单元7通过两个综合案例讲解数据分析的具体处理过程。

本书共有九章，从数据采集与预处理概述开始，介绍了大数据环境的搭建，并对数据采集与数据预处理的技术方法进行了系统介绍。数据采集的内容包括Flume日志数据采集、Kafka日志数据采集、Fluentd与Logstach等一系列数据采集技术；数据预处理的内容包括网络爬虫采集Web数据、Python数据预处理技术、Kettle数据处理技术、Pig和OpenRefine这些数据预处理技术。旨在让读者了解并基本掌握当下主要的数据采集与预处理技术、工具，以及它们的使用方法。