《数据分析算法及应用实践.基于Python 3.x（富媒体）》基于Python 3.x平台，介绍了数据分析方法和应用实践。内容涉及数据分析中的有监督和无监督方法，包括关联规则、聚类和分类三类基本方法。重点介绍数据分析方法中的算法思想及算法详细实现过程，并结合简单实例进行说明，以达到深入浅出、通俗易懂的目标。对于一些重要定理和结论，适当增加了数学证明或公式推导等内容，以加强学习者对算法理论的深入理解。书末附有数据分析实验与应用实践，给出了基于Python的项目解决方案和过程。
　　《数据

《过程控制及自动化仪表》以过程自动化监控为基本内容，将参数检测变送、分布式控制系统（DCS）及执行器作为组成过程检测控制系统的相应环节，力求完整体现过程监控的整体内容。在参数检测方面，深入浅出地介绍了检测原理及方法；依据其代表性及发展趋势，介绍了目前生产中广泛应用的检测仪表；在控制仪表方面，根据生产实际情况，介绍了电动和气动执行器；在过程控制系统方面，着重介绍简单控制系统和几种常用复杂控制系统的设计；对于DCS系统，介绍了软硬件基本组成及常见系统的结构与发展；最后介绍了典型工业过程的控制。每章后

机械工业出版社本书以MATLAB语言为平台，系统地阐述了数字仿真技术的基本概念、原理及在控制系统分析与设计中的应用。全书共五章，主要包括：概述、控制系统的数学描述（系统建模方法与工程案例）、控制系统的数字仿真（直流电动机转速/电流双闭环控制系统设计）、控制系统CAD及数字仿真技术的综合应用等内容。
本书涉及运动控制、过程控制、电力电子与电力传动控制等系统的建模、设计与仿真分析等内容，深入浅出、案例丰富、可读性强；各章均设有“问题与探究”一节，配有练习型、分析/设计型与探究型的习题

本书为普通高等教育“十一五”规划教材，并入选“十三五”国家重点出版物出版规划项目。
本书针对自动化仪表与过程控制*新技术与工程应用，深入分析了过程控制常用（温度、压力、流量、液位、成分）检测仪表、控制仪表、执行器、本安防爆系统的工作原理；讨论了过程动态特性数学建模方法、单回路控制系统设计与参数整定，以及复杂（如串级、前馈、比值、均匀、分程、选择、大延迟补偿、解耦、双重等）控制系统的工作原理与设计方法；简要介绍了先进控制技术(自适应控制、预测控制、模糊控制、推理控制、专家控制、仿

本书主要内容包括认识大数据、大数据技术基础、大数据管理、大数据统计分析技术、数据挖掘、大数据可视化、大数据安全、大数据应用案例实操等。

本书按照处理数据的逻辑顺序和习惯，从数据的整理开始入手。从数据的抽样开始，介绍了传统统计的抽样理论，并进一步探讨大数据样本的代表性问题。并且通过具体案例向读者介绍整个数据探索性分析的主要步骤。然后是数据的展示技术，也就是常说的数据可视化，从数据的类型以及展示的内容不同，分别介绍了单变量和多变量数据的多种图示方法，数据的分布形态、高维数据、空间数据的展示，并且介绍了统计制图的一些基本原则和图形美化的操作。

本书系统地讲解了大数据处理常用技术，具体包括大数据处理架构Hadoop、分布式文件系统HDFS、MapReduce编程模型、分布式数据库Hbase、NoSQL数据库、Spark分布式内存计算、MapReduce应用开发、Spark SQL编程、数据可视化。本书编写特色理论与具体操作相结合，较低基础入门大数据技术。读者对象是本科、专科或研究生大数据技术课程教材，大数据技术爱好者，其他对大数据技术感兴趣的人员。

本书系统介绍了大数据基础知识和相关技术，全书分为大数据概述篇、大数据存储与管理篇、大数据采集与预处理篇、大数据分析与挖掘篇、大数据平台Hadoop实践与案例分析篇。全书共15章，主要内容包括大数据基本概念、大数据存储与管理概念及技术、大数据采集及预处理技术、大数据计算模式、大数据分布式并行处理框架Hadoop、大数据分布式文件系统HDFS、大数据分布式数据库系统HBASE、大数据Hadoop平台操作实践及具体大数据预测应用案例分析。

共分11章，第1章对大数据及Hadoop进行总体介绍，第2章讲解了如何搭建Hadoop集群。第3-5章讲解了HDFS分布式文件系统、MapReduce分布式计算框架以及Zookeeper分布式协调服务。第6章讲解Hadoop2.0的新特性。第7-10章主要讲解了Hadoop生态圈中的相关辅助系统，包括Hive、HBase分布式存储系统、Flume、Saoop。第11章讲解了综合项目：电商精准营销。

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”“大数据导论”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。