《大数据应用基础教程》旨在培养大学低年级本科生的大数据应用能力，使其初步建立数据思维，以满足“新 工科”“新医科”“新农科”“新文科”建设背景下高校培养学生数据素养能力的新要求。
全书共 3 篇。基础篇（第 1、2 章）主要内容为大数据概述、Python 及常用类库；数据分析篇（第
3 ～ 7 章）重点阐述数据获取、存储、预处理、可视化和分析方法；大数据平台篇（第 8 ～ 11 章） 着重介绍 Linux 操作系统基础、大数据管理平台、分布式存储和分布式处理。全书提供了大量 应用实例

本书由校企“双元”合作开发，以企业真实项目的实施流程为主线，通过“电商平台用户行为数据分析”项目实战，贯穿Hadoop大数据核心技术，包括项目需求、大数据平台部署、数据采集、离线数据仓库设计与开发和项目数据可视化展示。本书内容主要涉及VMware、Xshell、IDEA等软件的安装配置；Hadoop分布式集群环境搭建； Flume、Kafka、Hive、Sqoop、ZooKeeper等Hadoop生态组件的基本工作原理、搭建及配置方法；使用Flume-Kafka-Flume架构实现数据采集；Hi

本书以Hadoop 3.3.0为核心，涵盖Hadoop生态系统的常用组件，主要介绍各组件的架构原理、Shell命令、常用API及编程等，并配有较多例题。全书共7章，内容包含Hadoop概述、Hadoop伪分布式安装、Hadoop分布式文件系统HDFS、分布式计算框架MapReduce、分布式数据库HBase、数据仓库Hive和内存计算框架Spark，第2~7章还设计了相关实验。
本书可以作为高等院校大数据、计算机、应用统计等相关专业的教材，也可作为Hadoop爱好者的入门教程或自学参考用书

实体识别在数据质量管理中起着重要作用，它是数据质量管理的重要研究方向。实体识别的目的是识别出数据集中描述同一真实世界实体的元组。实体识别的结果可以在数据质量管理的其他阶段(如数据清洗阶段和数据质量评估阶段)得到广泛应用。在一个或多个数据库中，同一个现实世界实体可能具有多种描述方式，这一问题在各种应用领域的信息系统中普遍存在。本书以信息集成和互联网搜索为背景，介绍对数据质量管理中实体识别的关键技术的最新研究成果，以最大化实体识别结果精确度、最小化时间复杂性为目标，研究基于图模型的实体识别、基

本书共4个项目15个任务，项目由易到难、从单一到综合，各个项目间既有机联系又相互独立，授课教师可以根据所教学生的学情分析结果选择某一个项目单独教学并进行任务实施。4个项目分别是：安装环境准备、Hadoop集群完全分布式部署、Hadoop生态系统常用组件部署、Hadoop HA集群部署。每个项目的任务都包含了任务目标、知识准备、任务实施三个部分。
本书对于在实际学习过程中学生需要重点掌握的知识点和技能点都用较多篇幅进行了讲解，以加强学生对基础知识的理解，知其然并知其所以然，从而使学生在任

本书详细讲解了数字孪生技术在企业智能制造进程中的作用、操作方法以及相关的理论知识和技能操作。全书分为两部分：第一部分（项目1~项目3）为装备数字化设计与仿真，基于西门子机电一体化概念设计模块（NX MCD），包括颜色分类站仿真、加工检测站仿真和立体仓库虚拟调试三个项目，涵盖了基本对象设置、仿真序列、虚拟调试技术；第二部分（项目4~项目9）为生产线数字化设计与仿真，基于西门子工艺仿真解决方案（Tecnomatix Process Simulate），包括生产线仿真设计、气动平移工站仿真、智能

本书应CDIO项目课程改革的需要而编写的，与企业共同研究开发，本书形成了包括电子教学课件、微课视频、虚拟仿真资源、习题答案、知识拓展等在内的立体化教学资源库，极大地方便了各种教学活动，拓展了学生的学习空间。同时本书配套有活页学生学习手册，方便于做好过程性学习记录。教材以自动化生产线、自动供料机、自动分拣系统、装配生产线为教学项目，展开工程实践项目训练。本书将自动化生产线上所涉及的传感器技术、可编程控制技术、电机与电气控制技术、气动与液压技术、工业机械手技术、计算机通信技术和触摸屏组态技

本书通过实例系统全面地介绍了Process Simulate软件各个模块的主要功能和操作方法。本书的内容包括：定义工业机器人、定义工业机器人工具及安装、工业机器人路径规划、传送带的构建、机器人工作站运行调试以及Process Simulate人因仿真。

本书以Hadoop 3.x为主线，全面介绍Hadoop及其生态体系中常用的大数据开源项目的安装和使用。全书共11章，分别讲解大数据概念、Hadoop基础知识、Hadoop集群部署、HDFS、MapReduce、YARN、ZooKeeper、Hive、Flume、Azkaban和Sqoop，并在最后开发一个完整的网站流量日志分析系统，帮助读者巩固前面所学的内容。
本书附有配套视频、教学课件、教学设计、测试题等资源；同时，为了帮助初学者更好地学习本书的内容，还提供在线答疑，欢迎读者关注。

本书详细介绍了大数据技术的基础理论和主流前沿技术。全书共分9章，分别介绍目前面临的大数据时代、大数据系统的基本结构、大数据采集与预处理、大数据处理基础架构——云计算、计算模式与处理系统、查询展现与交互、大数据分析与数据挖掘、隐私与安全、前沿技术及应用、行业案例研究。
每一章除讲解相关理论外，还讲解了适用技术及案例。各章都附有案例以帮助读者学习、理解和实际工程应用。为方便教师教学，本书附有全套教学PPT课件、教学大纲、教学计划。
本书主要作为高等院校计算机类专业、电子信息类专业、经济类