大数据技术的落地依赖“工具链掌握+场景化应用”的双重能力。从 Python 爬虫、Hive数据分析到 Flink 实时计算、数仓架构设计，技能点的综合应用能力已成为企业招聘的核心标准。本书以“真实项目驱动实训”为核心思路，精选 4 个典型实训项目构建阶梯式训练体系，涵盖离线处理、实时计算、数仓设计等核心场景，强化工程思维；整合 Python 爬虫、Hive、Flink、Kafka 等多种主流工具，覆盖数据采集、清洗、存储、分析、可视化全流程；融入大数据竞赛考点，衔接岗位技能需求。本书适合作为高等

《基于MATLAB/Simulink的通信系统建模与仿真》以 MATLAB R2022b为平台，通过大量的MATLAB、Simulink仿真实例，加深读者对通信系统原理的理解。《基于MATLAB/Simulink的通信系统建模与仿真》共9章，前8章主要包括仿真思想的引入、MATLAB语言及Simulink仿真基础、MATLAB计算和可视化、信号系统分析基础、模拟信号的数字传输、数字信号基带传输、载波调制、数字信号处理应用等内容。第9章为综合篇，提供了通信系统原理仿真、语音信号处理、计算机视觉等设

《大数据与人工智能导论》紧密结合人工智能时代的发展要求，针对不同学科专业人才培养对新一代信息技术知识的迫切需求，精选相关核心内容编写而成。以“数据”和“服务”为主线，以“数据驱动”和“知识驱动”为核心，以大数据与人工智能技术和方法及其应用为内容主体，体现大数据与人工智能所要求的数据（算料）、算法、算力、知识等要素的融合。《大数据与人工智能导论》涵盖计算思维与程序设计（Python）、物联网、云计算、大数据、人工智能、数据安全与相关法律法规等知识体系和相关核心内容。

本书内容紧密对接装备制造相关岗位能力要求，主要针对当前典型产线装备的设计、安装与调试技术技能，介绍智能制造产线涉及典型装备的功能特点、机械安装与调试、控制程序设计、数字孪生虚拟调试和实体调试等工作内容的实施方法和项目化实践。装备制造过程充分融合数字化、信息化、智能化技术，结合人工智能和物联网技术，是大势所趋。数字孪生技术可在虚拟端提前进行装备的虚拟设计、改进和运行，能大幅提高工作效率，因而是当前企业前沿的装备设计和调试技术，在装备设计、制造、调试、维护等领域具备广泛的应用前景。

本书详细讲解了智能生产线从设备建模到虚拟仿真，再到虚拟调试的全过程的相关理论知识和技能操作方法。全书共有6个项目，项目1主要基于西门子机电一体化概念设计(NXMCD)认识装备虚拟调试；项目2介绍了原料库的工艺仿真；项目3介绍了装备内部的信号控制仿真；项目4介绍了装备软件的在环虚拟调试；项目5介绍了包装工作站的工艺仿真；项目6介绍了仓储工作站的工艺仿真。本书内容涵盖了设备的虚拟仿真、内部信号仿真和虚拟调试。

本书通过7个项目介绍了亚龙YL-335B型自动化生产线的必备知识和技能，主要内容包括自动化生产线认知、供料站的安装与调试、加工站的安装与调试、装配站的安装与调试、分拣站的安装与调试、输送站的安装与调试、人机界面的组装与调试。本书注重立体化资源的建设，通过随书二维码等形式将教学资源融入教材，帮助学生实现线上与线下学习相结合，为高素质技能型人才的培养提供更多的教学手段。

本书第一章为读者揭示了数据的魅力以及其在日常生活中的无处不在。随后的章节详细介绍了数据的成长、存储和处理方式。从早期的磁带和光盘，到现代的Hadoop、Spark和分布式系统，读者将对大数据技术有一个全面的了解。中间章节着重于大数据在不同领域中的应用，如社交媒体、金融市场和电商，展示了数据如何被转化为有价值的洞察和解决方案。同时，书中也详述了数据处理和机器学习的方法，让读者了解到计算机是如何"思考"和从数据中"学习"的。后续章节则深入讲解了大数据的采集、存储和处理技术，为读者呈现了大数据的后台运

本书系统阐述大数据的常用技术原理和框架，并精选实战案例深化大数据技术运用。全书共12个单元，内容包含大数据与Hadoop概述、大数据处理平台Hadoop的安装与配置、分布式文件系统HDFS、MapReduce和YARN技术、分布式数据库HBase、数据仓库Hive、大数据迁移工具Sqoop、分布式协调服务ZooKeeper、日志采集系统Flume、分布式消息发布订阅系统Kafka、大数据内存计算Spark及流式计算引擎Storm。 本书采用“项目引领、任务驱动”的编排模式，内容设计遵循由浅入深的

本书致力于培养具备数字技能和数据思维的商科人才。通过深入浅出的方式，将大数据理论、技术与应用进行系统讲解，帮助学生掌握从数据认知到实际应用的全面能力，通过对业务场景与数据分析的紧密结合，洞察数据的商业价值，成为负责任的数据使用者和决策者。
本书的编写坚持产教深度融合、校企双元协同，采用“项目引领，任务驱动”的理念，将复杂知识点拆解为具体任务，使学生在任务完成的实践中深化理解理论知识。本书依据数据全链路思维体系，围绕企业实际经营过程中的数据决策全过程，通过五个项目的进阶式学习，系统引导学生

本书融合作者多年的教学与实践经验，是一本全面且实用的大数据分析与处理教材。全书分为六部分共20章，内容循序渐进，从大数据的基本概念出发，逐步深入探讨数据采集和预处理、数据存储、数据处理、大数据分析平台以及大数据应用等关键环节。本书详细介绍了PyTorch、TensorFlow和Spark MLlib等热门大数据分析平台，并通过深入剖析和实战演练，帮助读者轻松掌握这些先进工具的使用技巧。同时，本书针对数据可视化、文本分析、推荐系统等经典应用场景，通过案例分析和代码实现，引导读者从理论走向实践，快速