近年來，基礎(chǔ)軟件的發(fā)展越來越受到重視，越來越多的計(jì)算機(jī)從業(yè)者對(duì)數(shù)據(jù)管理系統(tǒng)和大數(shù)據(jù)的知識(shí)產(chǎn)生了強(qiáng)烈的需求。 本書既介紹了數(shù)據(jù)管理系統(tǒng)的技術(shù)發(fā)展史，又介紹了數(shù)據(jù)管理系統(tǒng)的關(guān)鍵技術(shù)內(nèi)涵，同時(shí)還介紹了一系列主流的商業(yè)化產(chǎn)品及其架構(gòu)，并對(duì)前沿技術(shù)進(jìn)行了討論分析，給出作者自己的見解和洞察。本書內(nèi)容主要包括數(shù)據(jù)庫與大數(shù)據(jù)的誕生、

過程控制是由控制理論、計(jì)算機(jī)技術(shù)和儀器儀表、工藝知識(shí)等知識(shí)相結(jié)合而構(gòu)成的一門應(yīng)用科學(xué)，其任務(wù)是在了解、熟悉、掌握生產(chǎn)工藝流程與生產(chǎn)過程的靜態(tài)和動(dòng)態(tài)特性的基礎(chǔ)上，根據(jù)工藝要求，應(yīng)用控制理論、現(xiàn)代控制技術(shù)，分析、設(shè)計(jì)、整定過程控制系統(tǒng)。通過本書的學(xué)習(xí)，使讀者能夠掌握過程控制系統(tǒng)的基本概念、基本組成環(huán)節(jié)和基本控制規(guī)律，了解過

本書聚焦綜合信息系統(tǒng)智能化的關(guān)鍵和難點(diǎn)，摒棄傳統(tǒng)的處理模式，充分利用數(shù)據(jù)的不確定性信息，就區(qū)間、序列、直覺模糊、猶豫模糊、語義等不同類型數(shù)據(jù)的相似度量、粒層轉(zhuǎn)化、識(shí)別決策等開展了較為系統(tǒng)、深入的研究，構(gòu)建異類數(shù)據(jù)間統(tǒng)一的粒層轉(zhuǎn)換框架，解決不同類型數(shù)據(jù)間的相似度量、跨層關(guān)聯(lián)與融合問題。全書共分15章，第1章介紹問題的來源

本書根據(jù)高等學(xué)校研究生高級(jí)控制理論課程的教學(xué)要求編寫，主要圍繞非線性系統(tǒng)數(shù)學(xué)模型、控制器典型設(shè)計(jì)方法、熱門研究方向三個(gè)方面展開，并闡述了非線性系統(tǒng)控制理論的基本內(nèi)容與進(jìn)展。為了教材知識(shí)體系的完整性以及拓展讀者的視野，加深學(xué)生對(duì)課程的理解以及后續(xù)的科研工作，每章均有習(xí)題。全書兼具理論性、資料性和實(shí)踐性。

本書以項(xiàng)目案例為導(dǎo)向，貫穿講解一個(gè)大數(shù)據(jù)的實(shí)戰(zhàn)項(xiàng)目：廣電大數(shù)據(jù)用戶畫像。全書共8章，具體內(nèi)容包括大數(shù)據(jù)項(xiàng)目概述、Hadoop生態(tài)組件基礎(chǔ)、廣電大數(shù)據(jù)用戶畫像需求分析、廣電大數(shù)據(jù)用戶畫像數(shù)據(jù)采集與預(yù)處理、廣電大數(shù)據(jù)用戶畫像實(shí)時(shí)統(tǒng)計(jì)訂單信息、廣電大數(shù)據(jù)用戶畫像用戶標(biāo)簽計(jì)算與可視化、廣電大數(shù)據(jù)用戶畫像任務(wù)調(diào)度實(shí)現(xiàn)、基于Tip

本書主要講解Hadoop的分布式文件系統(tǒng)、MapReduce編程模型和Spark大數(shù)據(jù)處理技術(shù)。全書共12章,具體包括大數(shù)據(jù)概述、Hadoop大數(shù)據(jù)處理架構(gòu)、HDFS分布式文件系統(tǒng)、MapReduce分布式計(jì)算框架、HBase分布式數(shù)據(jù)庫、Spark概述、基于Scala的Spark編程、Windows環(huán)境下Spark綜

本教材基于數(shù)據(jù)技術(shù)概念的提出，建立由數(shù)據(jù)生成、數(shù)據(jù)組織管理與數(shù)據(jù)信息汲取三個(gè)模塊構(gòu)成的數(shù)據(jù)技術(shù)應(yīng)用全流程體系框架。通過對(duì)計(jì)算機(jī)信息系統(tǒng)、抽樣技術(shù)與數(shù)據(jù)庫系統(tǒng)等基礎(chǔ)技術(shù)原理的概念化解讀，以及對(duì)網(wǎng)絡(luò)爬蟲與文本數(shù)據(jù)生成、SQL語言、數(shù)據(jù)預(yù)處理、回歸模型、Logistic建模、關(guān)聯(lián)規(guī)則、決策樹分類規(guī)則、K-平均聚類、神經(jīng)網(wǎng)絡(luò)、

本書以任務(wù)為導(dǎo)向，較為全面地介紹Hadoop大數(shù)據(jù)技術(shù)及其生態(tài)系統(tǒng)組件Hive、HBase的相關(guān)知識(shí)。全書共8章，具體內(nèi)容包括Hadoop介紹、Hadoop集群的搭建及配置、Hadoop基礎(chǔ)操作、MapReduce入門編程、MapReduce進(jìn)階編程、Hive數(shù)據(jù)倉(cāng)庫、HBase分布式數(shù)據(jù)庫，以及一個(gè)項(xiàng)目案例（電影網(wǎng)站

數(shù)據(jù)是非常重要的資產(chǎn)，是“數(shù)字經(jīng)濟(jì)”時(shí)代的核心生產(chǎn)要素。本書主要面向財(cái)經(jīng)類等非大數(shù)據(jù)技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)等專業(yè)的學(xué)生，旨在培養(yǎng)學(xué)生大數(shù)據(jù)處理能力。本書重點(diǎn)講解MySQL數(shù)據(jù)庫基礎(chǔ)、Python程序基礎(chǔ)、浪潮可視化大數(shù)據(jù)三大核心內(nèi)容，根據(jù)崗位典型工作任務(wù)，MySQL數(shù)據(jù)庫重點(diǎn)講解庫表操作、結(jié)構(gòu)化查詢部分，Python重

本書使用大數(shù)據(jù)存儲(chǔ)技術(shù)常用工具與真實(shí)案例相結(jié)合的方式，以項(xiàng)目任務(wù)式為導(dǎo)向，較為全面地介紹了大數(shù)據(jù)存儲(chǔ)工具的相關(guān)知識(shí)。全書共7個(gè)項(xiàng)目，內(nèi)容包括了解大數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)倉(cāng)庫——Hive、列存儲(chǔ)數(shù)據(jù)庫——HBase、文檔存儲(chǔ)數(shù)據(jù)庫——MongoDB、文檔存儲(chǔ)數(shù)據(jù)庫——ElasticSearch、數(shù)據(jù)傳輸工具——Sqoop，以及