本书采用通俗易懂的语言对数字图像处理的相关概念进行阐述，同时穿插较为典型的Python小程序，使读者能够快速掌握数字图像处理的相关概念和技术。 全书共7章，大致可以分为四个版块。第1、2章为第一版块，介绍数字图像处理的基础知识及彩色图像处理，使读者了解数字图像处理最基本的概念，并能够掌握数字图像处理的基本流程。第3、4章为第二版块，介绍图像空间滤波与图像频域滤波，使读者了解数字图像处理的一般原理。

《大数据分析与挖掘》主要内容包括：第1章绪论、第2章数据特征分析与预处理、第3章关联规则挖掘、第4章分类算法、第5章聚类算法、第6章分布式大数据流挖掘、第7章综合案例基于华为技术与设备。本书可作为高等院校数据科学与大数据技术、计算机科学与技术等相关专业的本科生教材。

本书主要内容包括：第1章初识Hadoop、第2章Hadoop基础、第3章Hadoop开发环境配置与搭建、第4章Hadoop分布式文件系统（HDFS）、第5章资源管理器（Yarn）、第6章MapReduce基础程序设计、第7章MapReduce程序设计、第8章分布式数据库HBase、第9章分布式数据仓库Hive、第10章项目测试与发布

本书系统地讲解了云计算的知识框架，包括云计算的三大认识角度（商业模式、计算范式、实现方式）、四个关键技术（计算、存储、网络、安全）、四种开发运维维度（云原生应用、云操作系统、云端软件、云运维），以及三大应用场景（云桌面、开发云、大数据与人工智能）。 本书在大部分的章中安排了一个或多个基于开源软件的实训内容，以帮助读者更有效地动手实践，包括GitHub、Hadoop、OpenStack、KVM、Docker、Ceph、

本书系统、全面地介绍了大数据技术的基础知识，期望学生通过对本书的学习和实践了解大数据技术的概貌，掌握Hadoop生态圈大数据技术中*为基础和关键的知识。主要内容包括大数据概述、大数据软件技术基础、大数据存储技术、MapReduce分布式编程、数据采集与预处理、数据仓库与联机分析技术、数据挖掘与分析技术、Spark分布式内存计算框架、数据可视化技术、大数据安全。

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，还介绍了机器学习的热门应用领域推荐技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章后都有习

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、SparkSQL、SparkStreaming、SparkMLlib等。

本书是为初学者学习R语言基础以及在数据科学中的应用而编写的。全书内容包括三个部分，分别介绍了R语言的编程基础知识，数据处理、可视化和统计分析的实用技术，以及在机器学习、神经网络和深度学习中的具体应用。读者可以通过本书了解和体验R语言的风格特点和强大功能。本书中所有程序均在R3.4.3环境下调试通过。