本书以最新版本的工程设计标准和规范为蓝本，对工业生产过程自控工程设计的整体内容进行了全面介绍，主要目的是使自动化专业的本专科学生能够有全面的自控工程设计的概念，掌握自控工程设计的方法，并了解自控工程设计有关的标准和规范，以期对自控工程设计有全面、深入的了解，并能够与其他专业设计人员协调工作，完成整个工程项目的设计和施工，直至应用开车。
本书主要内容包括：自控工程设计的基本任务、基本程序，自控工程设计术语，自控专业与其他专业的设计条件及分工，工程设计的质量保证体系；自控工程设计中使用的图形符

《计算机控制技术》以反馈控制理论为基础，从s域到z域的信号转换出发，详细阐述了计算机控制系统的模型分析、控制器设计及工程应用的理论和方法。《计算机控制技术》理论联系实际，既注重计算机控制的基础理论和基本方法，也涵盖预测、模糊与神经网络等先进控制技术，并进行了“本研贯通”模块化设计。为便于读者对知识的理解、掌握和运用，特别设置了对重要知识点的视频讲解和程序设计,同时依托爱课程(中国大学MOOC)平台共享国家精品在线开放课程资源。

本书共分为5章。第1章概述了多智能体系统的研究背景与意义、基本问题及特殊问题；第2章简要介绍了代数图论背景知识；第3章讨论了多智能体系统有限时间控制问题，建立了一阶和高阶有限时间观测器，利用齐次性理论证明了两种观测器都能使系统状态在有限时间内收敛到期望轨迹。进一步，讨论了固定时间控制问题及多机械臂系统有限时间同步控制应用；第4章讨论了非线性切换系统的交集/并集弱不变原理，利用不变集原理解决了切换拓扑下的多智能体系统——致性控制问题；第5章讨论了具有时变时滞的任务空间网络化机械系统自适应

本书以初学者的角度详细介绍Spark架构的核心技术，主要围绕Spark的架构、Spark的开发语言、Spark模块的主要功能展开；以IDEA为主要开发工具，CentOS为运行环境，采用理实一体化授课模式。本书内容包括Spark导论，Spark环境搭建与使用，Scala语言，Spark弹性分布式数据集，Spark SQL、DataFrame和DataSet，Kafka分布式发布-订阅消息系统，Spark Streaming实时计算框架，Spark MLlib 机器学习算法库，Redis数据库

本书以数字经济发展为背景，围绕数据要素估值，从数据要素概念界定入手，介绍数据要素经济价值、数据要素市场发展及管理、相关研究前沿知识等。本书以数字经济发展为背景，围绕数据要素估值，结合实务界探索成果与理论界研究成果，构建了数据资产评估框架和数据要素定价知识体系。本书内容编排体现关于数据要素市场改革的重点：数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护。
本书适合金融学、投资学等财经类专业的学生作为教材使用，也适合从事人工智能、工程管理、大数据管理与应用、工业智能等交叉

本书系统介绍大数据技术的原理与应用，主要内容包括基本概念、分布式计算编程基础、Hadoop系统、分布式文件系统HDFS、分布式数据库HBase、分布式计算框架MapReduce、数据仓库Hive、流计算Spark Streaming、数据可视化、大数据的电商精准营销案例、好友推荐案例等章节，涵盖了海量数据的高效存储、非结构化数据存储和随机访问、分布式并行编程、数据仓库、实时计算、数据可视化、电商精准营销、好友推荐等各个方面的内容。本书以简单易懂的语言、生动有趣的实例和图形展示知识点，将概念、原理

《Spark 3 x综合项目实战》分为基础篇、案例篇两部分。在基础篇（第1-2章）中首先介绍了Spark运行环境的搭建、Spark的生态体系、编程模型、Scala基本语法、高阶函数、集合等方面的基础知识；在案例篇（第3-7章）中的5个综合案例详实的介绍了如何使用Spark实现音乐、房地产、气象、电商等领域大数据分析与挖掘的技巧。主要目的是通过Spark综合应用项目，帮助读者食味知髓，领悟Spark项目的精妙而步步渐悟，修炼成Spark高手。同时，本书还提供了详细的实训指导、数据源和程序代码等配套

数据挖掘已经广泛应用于各行各业，并推动了商务数据分析的兴起。本书结合项目实践，首先对数据挖掘的核心问题进行总结，讨论数据挖掘过程的主要步骤。在此基础上，使用Python语言详细地分析
数据
可视化、随机森林、GBDT、XGBoost、AdaCostBoost、逻辑回归等
在医疗保险稽核、淡水质量预测、弹幕
情感分析、机器学习书籍市场分析、慢性肾脏病状态预测、
行车记录仪销量分析、商务酒店竞争分析等典型领域的应用。


全书内容深入浅出，案例生动形象

《数据分析与挖掘技术》主要介绍数据分析与挖掘的相关理论和技术方法，重点介绍数据挖掘的相关技术，书中采取理论知识与具体实现任务相结合的方法，系统讲解了数据分析与挖掘的实用技术。全书共分为9章，主要内容包括数据分析与数据挖掘概论、数据仓库与联机分析处理、数据预处理、关联规则挖掘、聚类分析、回归分析、决策树分析、SPSS数据挖掘基础、SPSS数据挖掘统计分析方法。为了使学习者能轻松掌握数据分析与挖掘相关的概念、算法和应用，《数据分析与挖掘技术》通过典型的应用实例以任务驱动的方式让学习者理解数据挖掘有关