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

"《运动控制系统（第2版·新形态版）》共8章，系统介绍了运动起源——驱动器，实现基础——机构，分析基础——运动学和动力学建模，控制系统的组成——运动感知、控制算法、控制器硬件和软件等方面的知识，主要内容有典型的仿生运动机构，坐标系变换、运动学、动力学建模，常用运动测量传感器及定位、避障，常规和智能驱动器，电动机电磁原理、伺服电动机模型及控制策略，运动控制系统建模，常用运动控制算法，运动控制器硬件和软件及操作系统、现场总线技术。
《运动控制系统（第2版·新形态版）》可作为自动化、电气工程及其

在数字化和智能化逐渐成为工业发展主流的背景下，《工业控制网络》一书为读者提供了一个全面而系统的指南，涵盖了现场总线、工业以太网、Modbus控制网络及无线通信技术等关键领域。全书共分为12章，从基础理论到实际应用案例，深入探讨了工业控制网络的核心技术及其广泛应用，旨在帮助读者掌握如何提高生产效率、降低成本和实现灵活管理。
书中详细讲解了CAN现场总线、PROFIBUS、LonWorks、DeviceNet、PROFINET、EtherCAT等技术，结合实际案例，使读者能够更好地理

本书共分为上篇、中篇和下篇三部分，共九章。上篇为基础与发展介绍，主要介绍传感技术基础知识和现代传感技术；中篇为项目设计篇，主要介绍电阻与热电式传感器的应用、电感与电容式传感器的应用、压电与磁电式传感器的应用、光电式传感器的应用、半导体式传感器的应用、辐射与波式传感器的应用，每一个项目均从知识能力、技能能力、综合能力三方面进行培养，并根据任务单和考核标准进行综合评价；下篇为综合提高篇，主要介绍几个具有代表性的综合实训项目，可选择性地作为课程设计内容，着重培养学生的综合设计能力和课程报告撰写能力。

无线传感器网络是一种典型的物联网网络形式，其大量智能化节点感知各种物理信息，并自发、协同进行信息传输和处理。由于其具有能耗小、易部署、成本低、免维护等特点，被广泛应用于智能感知和控制等领域。其中，网络同步是一个极具挑战性的基础科学问题，本书系统阐述并拓展了网络同步技术。全书共有9章内容：第1章，绪论；第2-4章，系统性研究了网络及其同步模型；第5-7章，探究了基于统计估计的时钟同步，并在此基础上，研究了时钟同步的优化问题；第8-9章，拓展了网络同步的新方法。

本书简明、系统地介绍了计算机控制技术与系统，主要内容包括：计算机控制系统的概念、组成、分类及发展，计算机控制系统中常用的检测设备和执行机构，计算机总线和网络通信技术，过程通道与人机接口，数据处理与控制策略，计算机控制系统中的抗干扰技术，计算机控制系统软件，典型计算机控制系统，计算机集成制造系统，计算机控制系统的设计与实施，计算机控制系统实例。
本书可以作为高等院校自动化类、计算机类、电气类、机械类、仪器类、电子信息类及智能制造、机器人等新兴专业的本专科学生和研究生的教材，也可以作

"《大数据管理与应用概论》从理论、技术和应用三个维度构建课程体系结构。理论篇包括：大数据概述、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)和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)；技术篇包括：大数据相关技术(云计算、物联网、人工智能、区块链)和大数据关键技术(数据采集与预处理、数据存储与管理、数据处理与分析、数据呈现与可视化)；应用篇分别从管理职能视角(大数据预测与决策、大数据与市场营销、大数据与人力资源管理、财务大

本书系统地介绍了数据科学中的核心理论与实践方法，为读者理解和应用这些技术提供了坚实的基础。本书涵盖了监督学习、无监督学习和强化学习的内容。其中，监督学习包括理论框架、线性模型、核方法、神经网络以及一阶优化方法。无监督学习涉及聚类分析、主成分分析和生成学习方法。强化学习提供对相关内容的深入探讨。

"本书是面对当前科学可视化、信息可视化、可视分析研究和应用的新形势，专门为计算机、统计、大数据处理及相关专业开设的“数据可视化”课程而编写的。全书分为两篇： 原理篇和应用篇。其中，原理篇从数据可视化发展历程、可视化数据的度量和可视化组件、可视化流程等方面讲解可视化基础理论和概念，针对实际应用中遇到的不同类型的数据（包括时空数据、地理信息数据、文本数据、层次数据）介绍相应的可视化方法； 应用篇着重介绍可视化工具ECharts的综合应用，同时介绍流行语言Python在可视化方面的应用，最后一章用实例