本书是高校的大数据导论课程教材，清楚地介绍了大数据相关的概念、理论、术语与基础技术，并使用真实连贯的商业案例以及简单的图表，帮助读者更清晰地理解大数据技术。本书可作为高等院校相关专业“大数据基础”“大数据道路”等课程的教材，也可供有一定实践经验的软件开发人员、管理人员和所有对大数据感兴趣的人士阅读。

第1章绪论、第2章Linux操作系统的安装、第3章Hadoop的伪分布式安装、第4章Hadoop集群的搭建及配置、第5章Hadoop HDFS命令、第6章MapReduce编程入门、第7章Hive:SQL on Hadoop、第8章Sqoop:SQL to Hadoop、第9章HBase：HadoopDatabase、第10章Spark的介绍与安装、第11章综合案例——网络爬虫大数据分析

本书以Kettle实现ETL流程为目标，将ETL知识点与任务相结合，配套真实案例，深入浅出地介绍了ETL数据整合与处理的相关内容。全书共8章，第1章介绍了ETL概念和ETL工具，让读者在了解ETL相关的概念后，立刻上手ETL工具Kettle；第2~6章介绍了Kettle工具转换相关的组件，包括源数据获取、记录处理、字段处理、高级转换、迁移和装载等内容，内容与ETL流程匹配，能帮助读者快速掌握ETL；第7章介绍了Kettle工具任务的相关组件，能够帮助读者串联不同的任务，以及实现调度的功能；第8章

精心选取十个大数据与机器学习的实战案例，采用迭代递进模式，边理论边实践，深入浅出，让读者在工程实践中熏陶成长，在复杂系统设计中淬炼过硬本领。十个案例全部采用国际著名机构发布的真实数据，研究领域涉及生物信息、图像处理、商业零售、银行金融、自然语言处理等。每个案例采用的数据集规模相对较大，鲜明体现了机器学习在大规模数据挖掘处理方面独领风骚。

本书围绕数据全生命周期介绍了数据科学与工程的基本理论，具体包括七部分内容：第一部分绪论；第二部分大规模数据的采集、加工、管理和数据工程；第三部分数据可视化；第四部分数据分析；第五部分数据应用；第六部分数据科学伦理；第七部分数据科学的高级实现。

本书以深入浅出的语言系统地讲解了数据挖掘的框架和基本方法，主要内容包括：数据挖掘与R语言概述、数据理解、数据准备、关联规则挖掘、聚类分析、线性模型与广义线性模型、神经网络的基本方法、决策树、基于决策树的模型组合、模型评估与比较。本书使用基于R语言的数据挖掘案例贯穿全书，并辅以上机实验和习题，帮助读者熟练使用R语言进行数据挖掘。 本书可作为高等院校数据分析与数据挖掘课程的教材，适合于有意学习并使用数据挖掘基本技术的本科生、研究生以及业界人士阅读。

本书将围绕大数据技术的基本原理与实践,介绍了大数据获取、存储、分析、数据挖掘和机器学习。内容涵盖以下主题：Hadoop、Mapreduce、关联规则、大规模监督机器学习、数据流、集群、NoSQL系统（Pig、Hive），以及包括推荐系统、Web和安全性的应用程序。
第1章重点阐述了大数据驱动的商业模式、技术生态体系，大数据的类型、特点、获取技术。第2章概要介绍了大数据的软硬件架构，包括大数据技术基础与软硬件设施、大数据存储与管理技术、大数据的分布式处理技术平台等，包括MapReduc

本书是人工智能技术应用核心课程系列教材之一，通过对人工智能数据标注的概念、方法、工具与案例的系统介绍，结合对图像、视频、语音、文本和3D点云等类别数据的具体标注案例的分析与操作，使初学者可以快速掌握数据标注的基础知识和常用方法，使从业者在提升数据标注技术水平的同时，掌握工程化数据标注的项目组织、管理和质量控制的技术与方法。本书适合作为高校人工智能相关专业的教材，也可供人工智能、机器学习与深度学习爱好者阅读，还可作为人工智能改造升级项目的规划与实施者、人工智能数据服务从业者以及数据标注技术工程管理

　　《Hadoop理论与实践/大数据人工智能系列丛书》按照高等学校大数据、人工智能课程基本要求，以案例驱动的形式来组织内容，突出该课程的实践性特点。
　　《Hadoop理论与实践/大数据人工智能系列丛书》主要包含四大部分：Hadoop技术、数据仓库与Hive、Flume分布式日志处理系统、Spark及其生态圈概述。其中，Hadoop技术包括大数据与数据分析、Hadoop生态系统介绍、Hadoop存储、Hadoop计算之MapReduce、Hadoop安全等；数据仓库与Hive包括Hive与

本书以大数据处理流程为主线，重点介绍大数据获取、预处理、存储管理、挖掘分析以及可视化等方面的基本理论、方法和关键技术，通过丰富的应用案例展示了行业大数据的应用场景以及数据价值。 本书共 7 章：数据与大数据时代、大数据获取和预处理、大数据存储与管理、大数据挖掘分析、大数据可视化、大数据处理技术和行业大数据应用。 本书深入浅出、图文并茂，注重广度与深度结合、科学性与实用性结合，是为高等院校数据科学与大数据技术专业的大数据导论课程编写的教材，可作为高职高专大数据技术与应用专业的教材，也 可作为大学非