本书涵盖从数据与大数据概念、数学基础到实践应用的相关内容。全书共7章，详细介绍数据科学的基本概念、发展历程及其在工程中的应用，然后深入讲解向量与矩阵计算、统计推断、凸优化和图论等数学基础，为后续的数据分析、模型构建和优化提供坚实的理论基础。书中还穿插有遥感图像压缩、动物图像特征提取、前景分离、社交网络推荐等实际应用案例，通过这些案例展示了如何应用数据科学与工程有关的数学理论和技术来解决实际问题。最后的图像处理综合应用项目案例将相关知识点和技术融合，展现了数字科学与工程在实际项目中的综合

随着信息化和数字化加
速推进，大数据技术正深刻
影响着各行各业的运作模式
。本教材系统介绍大数据的
基础理论、关键技术及应用
，为研究、教学及实践人员
提供全面指南。
    本教材共9章，涵盖大数
据概念、技术框架、核心工
具、治理方法及伦理问题。
结合智慧林业需求，探讨大
数据在生态保护、资源管理
和决策支持中的应用。书中
还阐述了云计算、物联网、
人工智能等技术如何赋能大
数据，通过案例讲解数据采
集、处理、存储和分析的全
过程，并探讨林业大数据的
关键技术与实践方案。
    

"本书以电商网站中的用户行为数据作为数据源，系统介绍了使用Spark生态系统进行离线分析和实时分析的方法。全书共6章，分别讲解了项目概述、搭建集群环境、使用Flume实现数据采集、使用Hive构建数据仓库、使用Spark进行数据分析以及使用FineBI实现数据可视化。
本书附有教学PPT、教学设计等资源，同时，为了帮助初学者更好地学习书中内容，还提供了在线答疑，欢迎读者关注。
本书适合作为高等学校数据科学与大数据技术及相关专业的教材，也适合数据分析、数据可视化等领域的从业者阅读。"

"《大数据管理导论》从基础、职能和应用三个维度构建课程体系结构。基础篇包括：大数据概述(数据与大数据、大数据时代、大数据相关技术、大数据关键技术、我国大数据发展战略)、大数据管理基础理论(数据资产理论、数据权理论、大数据思维、大数据伦理)；职能篇包括：宏观大数据管理主要职能(大数据发展规划、大数据组织架构、数据开放与共享、大数据交易、大数据安全)、微观大数据管理主要职能(企业数据规划、企业数据组织、企业数据采集、企业数据分析与应用)；应用篇从横向和纵向两个维度，即从管理职能视角(大数据预测与决策

本书介绍了Hadoop生态系统架构功能与原理；分布式文件系统HDF-SHDFS；MapReduce编程模型及应用开发；YARN原理及配置；Hadoop伪分布式环境的搭建与配置测试；Hadoop完整分布式的集群配置搭建；Zookeeper分布式协作框架；HDFSHA原理功能与配置测试；ResourceManagerHA原理与配置；通过实际案例介绍了网站用户行为分析、网站后台日志分析和二次排序；介绍数据仓库Hive的原理及安装部署、Hive的基本操作及实战操作；大数据协作框架Sqoop、Flume、

本书共8章, 分别讲解了Spark基础知识、Spark部署、SparkRDD、SparkSQL、SparkStreaming、Kafka、StructuredStreaming和SparkMLlib, 并在最后完整开发了一个在线教育学生学习情况分析系统, 帮助大家巩固前面所学的内容。

数据治理与认知安全在推动国家发展、保障国家安全、维护社会稳定和促进经济高质量发展等方面具有不可替代的重要作用。本书覆盖数据治理与认知安全两部分内容。数据治理包含数据治理体系、数据处理方法和数据合规审计三方面内容，主要关注数据的采集、清洗、集成、标注、增强和分析等规范化的管理过程，确保数据在整个生命周期中保持高质量、一致性、准确性和合规性，使得数据能被正确利用，有序释放数据价值。认知安全包含数据建模的基础理论、认知安全威胁和认知安全防御的理论与方法三方面内容，主要强调在数据驱动的人工智能应用范式下

本书内容分七大模块：大数据概述、开发环境搭建、大数据采集（爬取）、大数据分析、数据建模与数据挖掘、数据可视化以及大数据分析挖掘综合案例。开发环境采用Python语言环境，详细讲解爬虫技术原理、python爬虫第三方库、scrapy爬虫框架等。大数据分析部分讲解Numpy和Pandas。数据建模与数据挖掘模块讲解相关性与关联规则、聚类、分类等算法与实现。数据可视化部分讲述Matplotlib、Pyecharts和Seaborn等。本书可作为高等院校计算机技术及相关专业的教材。

本书以电商网站中的用户行为数据作为数据源，系统地介绍了如何使用 Spark生态系统进行大数据离线分析和实时分析的方法。全书共7章，分别讲解了项目需求、项目架构、项目实现流程、大数据集群环境搭建、热门品类Top10分析、各区域热门商品Top3分析、网站转化率统计、广告点击流实时统计和使用FineBI实现数据可视化。
本书附有配套视频、教学PPT、教学设计等资源，同时，为了帮助初学者更好地学习本书中的内容，还提供了在线答疑，欢迎读者关注。
本书适合作为高等教育本科和专科的数

本书主要内容包括数据仓库(基于Python)、关联分析、分类分析和聚类分析(基于SPSS)，以及对应的应用实例，整体分为理论讲解和案例应用两部分。本书的理论讲解更加全面、通俗易懂，且配有一定体量的图形讲解，使学生更易于接受。