本书共分四部分，第一部分即绪论，指出智能检测技术的核心问题。第二部分即第2章，讲述多变量数据统计分析与人工智能算法，主要包括主成分分析、回归分析、分类与判别分析等常用的多变量数据统计分析方法，又简述了ANNs、SVM等机器学习和深度学习算法。第三部分包括第3-7章，从对眼、耳、口、鼻、触的仿生传感技术角度，对应阐述光学与图像检测、声学传感与声发射检测、电化学与生物传感器、气敏传感与电子鼻技术，以及能感知对象内部成分的近红外光谱和高光谱成像等先进传感技术。第四部分即第8章，讲述多传感器信

本书以通俗易懂的方式，介绍了大数据和人工智能的发展历程、应用，Python基本语法、数据类型、基本流程控制结构、扩展类库等内容。 全书共分17章，主要讲解了大数据的概念、产生、发展、作用等基础知识；云计算和Hadoop体系结构；大数据的采集、预处理、存储、分析与挖掘、可视化等大数据处理流程；大数据在国内外的应用；人工智能概念、分类、学派、发展、研究内容等基础知识；主流的机器学习算法；几种深度学习算法；人工智能应用领域；Python发展、特点、应用领域、开发环境安装配置及类库的导入等知识； Pyt

本书是《大数据与人工智能》的配套实验教材，共分为四个部分：第一部分大数据篇，重点介绍大数据实验需要用到的相关软件等；第二部分人工智能篇，主要从神经网络入手设计了五个常规实验；第三部分Python 篇，主要介绍Python 语言的基本语法、Python 常用库、数据采集和数据可视化；第四部分自测题。本书力求让读者通过实际操作，深刻理解大数据与人工智能的相关知识及应用。 本书可作为高等院校大数据与人工智能相关专业的教材，也可供从事大数据和人工智能等领域的科研工作者和广大工程技术人员参考，还可供对该领

《大数据与人工智能》系统介绍了大数据和人工智能的相关概念和技术，主要涉及大数据工程、人工智能原理、人工智能算法在大数据平台上的实现及相关原理的前沿应用。
　　全书共分为3篇，第1篇是大数据技术原理与应用，第2篇是人工智能基础与应用，第3篇是大数据与人工智能的综合应用。第1篇讲述了大数据的来源与发展，大数据技术的重要概念和大数据处理框架，重点介绍了分布式存储系统、MapReduce的概念和应用，以及分布式数据库的概念及其与传统数据库的区别和优势，并以示例的方式讲述了大数据技术在生活中的应用。

本书以S7-200 SMART系列PLC控制的典型自动化生产线为载体，按照“项目引领、任务驱动”的编写模式，将自动化生产线安装与调试所需的理论知识与实践技能分解到不同项目和任务中，旨在加强学生综合技术应用和实践技能的培养。主要内容包括自动化生产线认知、自动化生产线核心技术应用、自动化生产线组成单元安装与调试、自动化生产线系统安装与调试、自动化生产线人机界面设计与调试、工业机器人及柔性制造系统应用。本书结构紧凑、图文并茂、讲述连贯，针对“互联网+”职业教育发展需求，配套丰富的信息化资源（含有电子课

本书围绕大数据采集、汇聚、存储、计算、分析、挖掘、可视化等处理全过程，基于Flume、Kafka、HDFS、HBase、MapReduce、Spark、Hive、ECharts等主流软件全面介绍大数据的基础原理和核心技术，以及人工智能、云计算和物联网等大数据相关内容，并在此基础上进一步阐述政务、商业等行业大数据，以及文本、图像、音频、视频等媒体大数据的应用现状和**进展。本书内容丰富，深入浅出，同时配有大量实操代码和应用案例，可作为学习大数据的入门和进阶教材。

随着国家大数据相关政策、规划的密集出台，大数据、人工智能商业落地速度加快，其在各个领域的应用也越来越广泛，其中面向企业服务、金融、医疗健康、电子政务、电子商务等细分领域的大数据应用展现出巨大的潜力。

大数据是需要新处理模式才能适应的海量、高增长率和多样化的信息资产，被誉为未来的新石油，以至于数据的获取、存储、搜索、共享、分析以及可视化呈现都成为当前重要的研究课题。

本书重点讲述数据采集与预处理的相关内容，并以真实案例介绍不同数据源的采集方式及基本的数据预处理方法

本书面向大数据技术专业，遵循知识性、实用性、系统性、条理性、连贯性和先进性的原则，力求激发读者的兴趣，注重实践性环节教学，注重各知识点之间的衔接，精心组织内容，做到由浅入深、突出重点。本章共 9 章，第 1 章为 Spark 基础，主要包括 Spark 基础知识、Spark 应用场景以及 Spark 生态系统等内容；第 2 章为 Scala 语言基础和面向对象编程，包括 Scala 编程基础、Scala 数组和集合以及映射、Scala 对象和多继承等内容；第 3 章为 Spark 设计与运行原理