本书从教学和应用的角度出发，全面讲解各种过程控制系统的基本概念、工作原理、系统设计分析方法和应用中的技术问题； 并通过Simulink仿真实例详细阐述了过程控制系统的设计及参数整定等技术。本书共6章，包括绪论、简单控制系统、复杂控制系统、先进控制系统、智能控制系统及锅炉设备的控制。 本书内容深入浅出，理论与Simulink仿真紧密结合。本书可作为高等院校自动化专业及其他相关专业本科生专业课的教材，也可供从事过程控制领域工作的工程技术人员参考。

本书是一本数据科学的入门书籍。每个知识点尽量从实际的应用案例出发，从数据出发，以问题为导向，在解决问题中学习数据挖掘、机器学习等数据科学相关方法。本书将数据读写、数据清洗和预处理作为开端，逐渐深入到和数据科学相关的决策树、支持向量机、神经网络、无监督学习等知识。此外，结合数据科学的实际应用，书中还讲解了推荐算法、文本挖掘和社交网络分析等热门实用技术。本书在写作过程中尽量删去太过抽样的理论，让具有一定高等数学和概率论基础的读者就能看得懂。当然，如果读者对方法原理确实不感兴趣，只是为了用R程序实现某

本书定位于大数据专业核心技术——实时计算，重点讨论大数据应用场景中的数据特点和应用需求的实时流计算技术。
本书通过对分布式实时计算系统的分析，将学习部分按功能性质划分成四个模块，分别为Kafka数据流处理模块、Strom实时计算模块、HBase数据存储模块和Zookeeper分布式协调模块。对此四个工作模块进行教学化处理，形成HBase基础操作、Zookeeper集群管理、配置Storm集群等核心课程体系，并配以实例使学习者便于理解，易于上手，掌握实时计算Storm相关的基础知识和实际业务

大数据导论是了解和学习大数据的基础，本书系统地讲解了大数据基本概念、大数据的架构、大数 据的采集方式和预处理、数据仓库的构建模式、大数据的存储，数据挖掘的方法及大数据的可视化技术， 从而更好地将大数据技术应用在各行业领域，更深入地开展大数据技术的应用研究。从基础开始，由浅 入深进行学习，逐步理清大数据的核心技术和发展趋势。 本书系统地讲解了大数据基本概念，尽可能希望通过理论与实际案例相结合，寻找合适的切入点， 让读者对理论知识的掌握更直接、更快速。可以作为培养应用型人才的课程教材，也适用于大数据

本书以Scala作为开发Spark应用程序的编程语言，系统介绍了Spark编程的基础知识。全书共7章，内容包括大数据技术概述、Spark的设计与运行原理、Spark环境搭建和使用方法、RDD编程、Spark SQL、Spark Streaming、Spark MLlib等。

本书分两部分，共8章，介绍了如何使用开源工具和技术开发与实现大规模分布式处理系统，涵盖构建高性能分布式计算系统的方法和佳实践。第 一部分（第1~4章）介绍了高性能分布式计算编程的基础知识，包括分布式系统、Hadoop入门、Spark入门、Scalding入门等；第二部分（第5~8章）给出了使用Hadoop、Spark、Scalding的案例研究，涉及数据聚类、数据分类、回归分析、推荐系统等。本书适合作为高等院校计算机相关专业的教材，也适合作为软件工程师、应用开发人员、科研人员的参考书。

本书针对应用型本科教育和新工科的特点，以信息的传感、转换、处理为核心，按检测技术基础（第1~2章）、传感器原理及应用（第3~8章）、自动检测系统（第9~11章）三大模块组织内容。传感器原理及应用模块以被测量为主线，分别介绍温度、力、声、磁、光、气体和湿度等各类传感器的原理、结构、性能及其应用电路，并针对不同类型的传感器给出多个应用实例。自动检测系统模块包含虚拟仪器、无线传感器网络与物联网和自动检测系统共三章内容，第9章介绍虚拟仪器概念、开发环境和数据采集；第10章介绍无线传感器网络与物联网的概念

数据清洗是大数据领域不可缺少的环节，用来发现并纠正数据中可能存在的错误，针对数据审查过程中发现的错误值、缺失值、异常值、可疑数据，选用适当方法进行“清理”，使“脏”数据变为“干净”数据。
本书共分为8章：第1章主要介绍数据清洗的概念、任务和流程，数据标准化概念及数据仓库技术等；第2章主要介绍Windows和类UNIX操作系统下的数据常规格式、数据编码及数据类型转换等；第3章介绍ETL概念、数据清洗的技术路线、ETL工具及ETL子系统等；第4章介绍Excel、Kettle、OpenRefin

本书介绍了数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况，
讲述了常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书
还从实际应用出发，讲解了基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。日志挖掘技
术现在已得到了广泛的运用。
通过以上内容的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以
作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。

本书内容涵盖了目前使用最为广泛的大数据处理系统Hadoop生态圈中的几大核心软件系统：分布式大数据处理系统Hadoop、数据库HBase、数据仓库工具Hive、内存大数据计算框架Spark和Spark SQL，详细介绍了它们的架构、工作原理、部署方法、常用配置、常用操作命令、SQL引擎等内容。本书对上述几大系统的各种安装部署方式给出了详细步骤，常用命令也都有具体示例介绍，是一本实操性很强的工具书，能帮助初学者快速掌握这几款常用的大数据处理系统。
本书以浅显易懂的语言风格和图文并茂的