本书是高校的大数据导论课程教材，清楚地介绍了大数据相关的概念、理论、术语与基础技术，并使用真实连贯的商业案例以及简单的图表，帮助读者更清晰地理解大数据技术。本书可作为高等院校相关专业“大数据基础”“大数据导论”等课程的教材，也可供有一定实践经验的软件开发人员、管理人员和所有对大数据感兴趣的人士阅读。

共分11章，第1章对大数据及Hadoop进行总体介绍，第2章讲解了如何搭建Hadoop集群。第3-5章讲解了HDFS分布式文件系统、MapReduce分布式计算框架以及Zookeeper分布式协调服务。第6章讲解Hadoop2.0的新特性。第7-10章主要讲解了Hadoop生态圈中的相关辅助系统，包括Hive、HBas

本书系统介绍了大数据基础知识和相关技术，全书分为大数据概述篇、大数据存储与管理篇、大数据采集与预处理篇、大数据分析与挖掘篇、大数据平台Hadoop实践与案例分析篇。全书共15章，主要内容包括大数据基本概念、大数据存储与管理概念及技术、大数据采集及预处理技术、大数据计算模式、大数据分布式并行处理框架Hadoop、大数据分

本书作为Spark的入门书，从Spark核心编程语言Scala讲起，涵盖当前Spark主流的开发组件。以实操为主，深入讲解每一个操作步骤，包括SparkRDD离线数据处理、SparkSQL快速结构化数据处理、SparkStreaming实时数据处理，同时包括案例讲解、源码剖析、常用Shell命令和JavaAPI详解。即

本书系统地讲解了大数据处理常用技术，具体包括大数据处理架构Hadoop、分布式文件系统HDFS、MapReduce编程模型、分布式数据库Hbase、NoSQL数据库、Spark分布式内存计算、MapReduce应用开发、SparkSQL编程、数据可视化。本书编写特色理论与具体操作相结合，较低基础入门大数据技术。读者对象

本书按照处理数据的逻辑顺序和习惯，从数据的整理开始入手。从数据的抽样开始，介绍了传统统计的抽样理论，并进一步探讨大数据样本的代表性问题。并且通过具体案例向读者介绍整个数据探索性分析的主要步骤。然后是数据的展示技术，也就是常说的数据可视化，从数据的类型以及展示的内容不同，分别介绍了单变量和多变量数据的多种图示方法，数据的

本书以计算机控制技术在智能制造自动化生产线中的应用为核心，以培养学生专业的职业素养、完备的理论知识、扎实的实践操作技能和过硬的思政素质为目标，在工业以太网技术、工业机器人技术、智能视觉识别技术、PLC技术和嵌入式触摸屏技术应用的基础上，按照工业产品智能制造过程规范化和系统化的思想进行课程开发。 全书主要包括四大部分内

本书分7个单元。内容包括：Web数据可视化概述、新能源汽车大数据可视化监测平台、Web基础、前端框架、数据可视化设计基础、数据可视化整合、新能源汽车数据大屏。

这本书的目的是帮助所有人通过R使用ApacheSpark。第1章~第5章，简单地介绍了如何大规模执行数据科学和机器学习项目。第6~9章介绍了使用Spark进行集群计算中令人激动的基本概念。第10章~第13章涵盖一些高级主题，包括分布式R、Streaming和社区贡献等。

《大数据处理：从采集到可视化》共分为9章，章数据采集，主要介绍了大数据的概念、类型及其特征，常见的数据采集方法；第2章数据清洗，主要讨论数据质量的维度，数据可能存在的质量问题，常见的数据清洗方法；第3章数据ETL，重点介绍了MGO方法；第4章数据存储，主要介绍了大数据时代的一些主流数据存储平台和相关技术；第5章回归算法