本书在阐述大数据和云计算关系的基础上，介绍了大数据和云计算的基本概念、技术及应用，分为基础篇、技术与应用篇、实践篇共3篇，主要包括绪论、大数据环境下的云计算架构、大数据关键技术与应用、云存储、云服务与云安全、云计算应用、虚拟化技术、Hadoop和Spark平台、分布式文件系统及并行计算框架、分布式数据存储与大数据挖掘等

本书从工程实际出发，系统地介绍了计算机控制系统中各种软、硬件的应用技术。全书分为基础知识篇和项目实训篇。基础知识篇包括计算机控制系统概述、总线接口与过程通道、计算机控制系统的硬件、计算机控制系统的软件、计算机控制系统设计与调试。项目实训篇选取了当前工控领域常用的监控组态软件MCGS作为开发软件，通过9个工程实训项目详细

本书以社会对“具有数据技能的管理者”的需求为导向，从管理视角切入，尝试以人文社科类专业学生容易接受的语言介绍与大数据相关的知识点。全书分为基础篇和管理篇两部分，基础篇包括大数据概论、理解大数据、大数据技术；管理篇包括大数据的产业影响、大数据与社会治理创新、大数据与企业数字化转型、大数据与管理人才培养、大数据与商业伦理。

本书首先简要介绍了大数据分析与挖掘的相关概念，以及R语言的基础知识，以此来帮助读者了解、使用R语言；其次详细介绍了探索性数据分析、数据采集，以此来帮助读者了解数据的基本分析方法和数据的获取方法；然后着重介绍了目前主流的数据挖掘算法——时间序列算法、线性回归算法、分类算法、关联算法、聚类算法，从算法的原理到如何使用R语言

本书对大数据挖掘与应用的基本算法进行了系统的介绍，每种算法不仅包括对算法基本原理的介绍，而且配有大量的例题以及基于阿里云大数据平台(数加平台)的演示，这种理论与实践相结合的方式极大地方便了读者对抽象的数据挖掘算法的理解和掌握。本书共11章，内容覆盖了数据预处理、分类算法、聚类算法及常见的数据挖掘应用，具体章节包括大数据

本书系统介绍Spark大数据处理框架。全书共8章,内容包括大数据技术概述、Spark大数据处理框架、SparkRDD编程、SparkSQL结构化数据处理、HBase分布式数据库、SparkStreaming流计算、SparkMLlib机器学习、数据可视化。本书可作为高等院校计算机科学与技术、信息管理与信息系统、软件工程

本书从系统的角度，成体系地研究动态数据驱动原理与方法。以数据驱动为根本出发点，揭示了复杂系统的设计、运行、控制与优化规律，从信号感知、结构感知、环境感知、情景感知、语境感知、能量感知、过程感知、网络感知、系统感知等不同维度，介绍了主流的理论与方法，提供了研究复杂系统问题的新思路、新方法。

数据是组织的重要资产，做好数据管理是盘活数据资源，释放数据价值的有效手段。本书以数据管理为主题，分为背景篇、标准篇、贯标篇、评估篇和政策篇五个篇章，首先梳理了数据管理的概念、背景和发展历程，为读者建立对数据管理的总体认识；其次详细解读国家标准——数据管理能力成熟度评估模型（以下简称DCMM），帮助读者深入理解DCMM标

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。数据化分析是运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。本书主要介绍了数据分析的9种思维、7种工具、学习方法、基本方法、展现方法、制作数据分析报告的方法，以及数据分析的思

本书主要从电子商务数据分析入手，系统介绍在电子商务环境下进行数据分析的各种思路和方法。全书共分为12个项目，主要内容包括初识电子商务与数据分析、使用数据分析工具、分析市场数据、分析竞争对手数据、分析商品定价数据、分析流量数据、分析运营与销售数据、分析库存数据、分析会员数据、分析利润数据、制作数据分析报告，最后一个项目以