本書采用通俗易懂的語言對數(shù)字圖像處理的相關概念進行闡述，同時穿插較為典型的Python小程序，使讀者能夠快速掌握數(shù)字圖像處理的相關概念和技術。 全書共7章，大致可以分為四個版塊。第1、2章為第一版塊，介紹數(shù)字圖像處理的基礎知識及彩色圖像處理，使讀者了解數(shù)字圖像處理最基本的概念，并能夠掌握數(shù)字圖像處理的基本流程。第3、4章為第二版塊，介紹圖像空間濾波與圖像頻域濾波，使讀者了解數(shù)字圖像處理的一般原理。

《大數(shù)據(jù)分析與挖掘》主要內(nèi)容包括：第1章緒論、第2章數(shù)據(jù)特征分析與預處理、第3章關聯(lián)規(guī)則挖掘、第4章分類算法、第5章聚類算法、第6章分布式大數(shù)據(jù)流挖掘、第7章綜合案例基于華為技術與設備。本書可作為高等院校數(shù)據(jù)科學與大數(shù)據(jù)技術、計算機科學與技術等相關專業(yè)的本科生教材。

本書主要內(nèi)容包括：第1章初識Hadoop、第2章Hadoop基礎、第3章Hadoop開發(fā)環(huán)境配置與搭建、第4章Hadoop分布式文件系統(tǒng)（HDFS）、第5章資源管理器（Yarn）、第6章MapReduce基礎程序設計、第7章MapReduce程序設計、第8章分布式數(shù)據(jù)庫HBase、第9章分布式數(shù)據(jù)倉庫Hive、第10章項目測試與發(fā)布

本書系統(tǒng)地講解了云計算的知識框架，包括云計算的三大認識角度（商業(yè)模式、計算范式、實現(xiàn)方式）、四個關鍵技術（計算、存儲、網(wǎng)絡、安全）、四種開發(fā)運維維度（云原生應用、云操作系統(tǒng)、云端軟件、云運維），以及三大應用場景（云桌面、開發(fā)云、大數(shù)據(jù)與人工智能）。 本書在大部分的章中安排了一個或多個基于開源軟件的實訓內(nèi)容，以幫助讀者更有效地動手實踐，包括GitHub、Hadoop、OpenStack、KVM、Docker、Ceph、

本書系統(tǒng)、全面地介紹了大數(shù)據(jù)技術的基礎知識，期望學生通過對本書的學習和實踐了解大數(shù)據(jù)技術的概貌，掌握Hadoop生態(tài)圈大數(shù)據(jù)技術中*為基礎和關鍵的知識。主要內(nèi)容包括大數(shù)據(jù)概述、大數(shù)據(jù)軟件技術基礎、大數(shù)據(jù)存儲技術、MapReduce分布式編程、數(shù)據(jù)采集與預處理、數(shù)據(jù)倉庫與聯(lián)機分析技術、數(shù)據(jù)挖掘與分析技術、Spark分布式內(nèi)存計算框架、數(shù)據(jù)可視化技術、大數(shù)據(jù)安全。

機器學習是人工智能的重要技術基礎，涉及的內(nèi)容十分廣泛。本書內(nèi)容涵蓋了機器學習的基礎知識，主要包括機器學習的概論、統(tǒng)計學習基礎、分類、聚類、神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡、支持向量機、進化計算、文本分析等經(jīng)典的機器學習理論知識，也包括用于大數(shù)據(jù)機器學習的分布式機器學習算法、深度學習和加強學習等高等級內(nèi)容。此外，還介紹了機器學習的熱門應用領域推薦技術，并給出了華為機器學習平臺上的實驗。本書深入淺出、內(nèi)容全面、案例豐富，每章后都有習

本書以Scala作為開發(fā)Spark應用程序的編程語言，系統(tǒng)介紹了Spark編程的基礎知識。全書共7章，內(nèi)容包括大數(shù)據(jù)技術概述、Spark的設計與運行原理、Spark環(huán)境搭建和使用方法、RDD編程、SparkSQL、SparkStreaming、SparkMLlib等。

本書是為初學者學習R語言基礎以及在數(shù)據(jù)科學中的應用而編寫的。全書內(nèi)容包括三個部分，分別介紹了R語言的編程基礎知識，數(shù)據(jù)處理、可視化和統(tǒng)計分析的實用技術，以及在機器學習、神經(jīng)網(wǎng)絡和深度學習中的具體應用。讀者可以通過本書了解和體驗R語言的風格特點和強大功能。本書中所有程序均在R3.4.3環(huán)境下調(diào)試通過。