本书为“1+X”职业技能等级证书配套教材，按国家“1+X”大数据平台运维职业技能等级标准编写。本书属于大数据平台运维初级教材，从大数据平台运维工程师角度由浅入深、全方位地介绍大数据平台运维的相关基础知识和基本实操。本书共分6个部分18章，第一部分为大数据平台安装，涉及平台操作系统的使用、Hadoop平台安装、平台基础环境配置；第二部分为大数据平台配置，涉及Hadoop文件参数配置、Hadoop集群运行；第三部分为大数据平台组件的安装与配置，涉及Hive、HBase、ZooKeeper、Sqoop

本书共九章，其中一~四章为基础篇，主要介绍大数据技术的基本概念、关键技术以及大数据在实际业务场景中的应用状况。基础篇内容主要包括大数据处理架构、大数据存储与管理以及大数据处理与分析的主要原理和方法。该篇内容是学习后续内容的基础。第五~九章为应用篇，主要介绍大数据技术与金融业融合发展及其实际应用。首先从大数据金融的治理与创新入手，具体阐述大数据与金融机构转型、金融产品创新发展；其次介绍未来的大数据融合技术与新金融业态的发展趋势；*后分析论证大数据对大湾区金融融合发展的推动作用。

本书通过完整、规范的数据科学项目的流程来组织全书体系结构，涵盖数据科学项目的全过程，包括问题提出与目标制定、凝练前提假设和设计数据方案、探索性数据分析、建模与分析、性能评价、结果诠释与展示。佐以丰富的案例分析和模拟项目训练，启发学生主动思考，培养学生在实践中树立严谨的科学思维方式及数据科学流程。
本书除了可作为本科生数据科学基础课、理工通识课教材外，还面向所有对数据科学有浓厚兴趣的人群，以及各行各业中有大体量数据分析需求的人群。

本书以数据处理为主线，介绍数据处理的基本原理、常见的算法思想、算法设计的可视化以及编程实现python语言。 全书共13章，主要内容包括数据科学基础实践概论、数据表示、数据计算、数据分析、数据可视化、算法可视化工具、算法设计基础、Excel中的算法、Python程序设计基础、算法在Python中的实现、Word文档处理、Flash动画制作、Xmind思维导图制作。 本书可作为高等学校非计算机专业学习数据科学课程的实践教材,也可以作为读者快速理解数据处理和算法设计与实现的自学参考书。

本书的内容主要包括传感器基础知识、检测与转换基本理论、电阻式传感器、电感式传感器、电容式传感器、热电式传感器、检测技术中的硬件电路、测控系统实用抗干扰技术、虚拟仪器测试技术等。
全书共14章，分别介绍了常见物理量的检测用传感器，包括温度检测、力及压力检测、位移检测、速度和加速度检测、流量及流速检测、光电检测、气体成分及湿度检测。此外，本书还对传感器的相关检测知识、电路转换及信息处理技术、传感器网络进行了阐述，每部分内容都力求通俗、简明、实用、操作性强，每章后配有习题。

本书以实战案例为主，全面阐述了大数据开发领域中常用的技术原理和框架，以及框架对应的实战案例。全书共分为四大篇章：大数据基础篇、大数据离线批处理技术篇、大数据在线实时处理技术篇、大数据处理实战案例篇。大数据基础篇主要介绍了大数据的基础知识、Hadoop和Storm的基础知识及其发展现状和应用前景；大数据离线批处理技术篇主要介绍了Hadoop、Hive和Sqoop的基本原理、环境搭建和项目案例；大数据在线实时处理技术篇主要介绍了Flume、Kafka、Storm的基本原理、环境搭建和项目案例；大数据

本书从系统集成与应用角度介绍自动测试技术理论知识和实践训练项目。全书共6章,分为三个部分。第一部分(第1章~第3章)为理论知识篇,主要介绍自动测试简介和虚拟仪器技术、测试总线技术和软件开发技术;第二部分(第4章和第5章)为教学实验系统篇,主要介绍教学实验系统所采用的教学实验开发软件(MicrosftVisualStudio和C#语言)、教学实验系统的硬件组成、教学实验系统的应用软件和利用本教学实验系统开展实验项目二次开发的方法和步骤;第三部分(第6章和附录)为实验篇,主要介绍简单自动测试系

本课程面向非计算机专业学生，以普及大数据基础知识和工具为目标，力图构建一门新的大数据入门学习课程。课程包括数据获取、数据挖掘、数据呈现和数据思维等四部分内容。课程立足应用入门，突出八爪鱼、Weka和Tableau等主流工具应用，强调案例教学。通过本课程学习，学生们能够掌握一定的数据获取、分析与呈现技能，初步建立数据思维。而且，学习先决条件仅为熟练使用Word和Excel，教学与学习中都无需编程，可视为基本无门槛。

截止目前为止，在国内众多在线开放课程平台和教材市场上，未发现有同类型

本书的主要章节包括分位数回归、等分线性回归、数据包络分析法、随机前沿分析法、层次分析法、灰关联分析、模糊理论、粗糙集理论、小波时间序列、组合优化问题等。此外，本书引入了最新的R数据挖掘方法；摒除掉艰深难懂的理论，以最浅显的方式介绍数据挖掘理论，让读者迅速掌握，轻松入门；力求最简单的R程序或安装包运行数据挖掘案例分析，详解各程序的意义与功能；以最简单的案例数据操作，让读者清楚明了数据分析方法的功能及分析结果的解释，使其易举一反三。
本书不仅适用于大数据、计算机应用、经济、管理、统计等专业，

全书共有12章，从Hadoop概述开始，介绍了Hadoop的安装与配置管理，并对Hadoop的生态体系架构进行了介绍，包括HDFS技术、YARN技术、MapReduce技术、Hadoop I/O操作、海量数据库技术HBase、ZooKeeper技术、分布式数据仓库技术Hive、分布式数据分析工具Pig，以及数据迁移工具Sqoop，最后对大数据实时处理技术做了简单介绍，旨在让读者了解当前其他的大数据处理技术。 本书除了介绍Hadoop的理论外，还介绍了如何使用各组件，但因为只是介绍基础的使用，没有