《大数据实验教程》以大数据开源平台Hadoop和Spark生态体系为基础，介绍常见的大数据开源软件的基础知识、安装部署和使用等内容，重点介绍Hadoop和Spark编程基础知识。

本书分别对封闭和开放量子系统的控制理论与方法进行研究，借鉴宏观系统控制理论中有效的思想理念、数学分析和设计方法，与量子系统特有的性能和控制目标相结合，发展和建立了有效解决量子信息、量子计算以及量子通信走向实用化过程中所遇到的相关问题的控制理论与方法，包括量子纯态、混合态、纠缠态的制备，各种量子态之间状态的高效、快速转移

随着数字经济时代的到来，数据的价值不断被发掘。但是，围绕数据价值的挖掘也出现了诸多问题。例如，因为数据过于海量以及数据产权不明确导致用户不会用，因数据使用和保护不当引起隐私泄露等安全事件，等等。《数据治理与数据安全》正是围绕这些问题，以数据治理与数据安全为主题展开论述。首先，《数据治理与数据安全》对数据治理的对象、主题

本书通过理论任务和实践任务相结合的方式重点介绍了Hadoop生态圈，Spark内存计算框架，NoSql数据库存储，数据可视化，Python大数据处理等大数据关键技术，并提供大量实践及综合案例。本书通过理论任务和实践任务相结合的方式重点介绍了Hadoop生态圈，Spark内存计算框架，NoSql数据库存储，数据可视化，P

重点介绍数据科学中的新理论和代表性实践，填补数据科学与大数据技术专业的核心教材的空白。主要内容包括：基础理论（术语定义、研究目的、发展简史、理论体系、基本原则、数据科学家）、理论基础（数据科学的学科地位、统计学、机器学习、数据可视化）、流程与方法（基本历程、数据加工、数据审计、数据分析、数据可视化、数据故事化、项目管理

本书从数学基础与编程基础开始，逐步引导读者领略深度学习的起源与发展，向读者介绍深度学习在计算机视觉、自然语言处理等方面的实际应用，并为读者呈现*前沿的深度学习研究进展，同时深入剖析技术原理，带领读者逐步推导深度学习背后的数学模型，并结合飞桨（PaddlePaddle）深度学习框架实现项目，代码清晰，易于理解。本书深入浅

重点介绍数据科学中的新理论和代表性实践，填补数据科学与大数据技术专业的核心教材的空白。主要内容包括：基础理论（术语定义、研究目的、发展简史、理论体系、基本原则、数据科学家）、理论基础（数据科学的学科地位、统计学、机器学习、数据可视化）、流程与方法（基本历程、数据加工、数据审计、数据分析、数据可视化、数据故事化、项目管理

本教材基于纸质媒体移动互联网数字媒体资源等进行修订，以组态与应用的教学目标为核心，以MCGS（国内）、WinCC（国外）通用组态软件，和MACS（国内）、CENTUM（国外）专业组态软件为主要教学情境，按照案例导入、需求分析、任务单设计、组态实施、运行测试、小试牛刀、融会贯通、照猫画虎和能力测评的逻辑组织架构，并辅以多

大数据远不止于简单的数据和技术，大数据更侧重于其在商业、科学和社会等领域的应用。本书基于作者近20年大数据领域的咨询经验，分析了大数据的来源，数据范式的改变，人工智能、机器学习与大数据的关系等；通过对大数据相关的工具、应用和处理方法的总结，构建了一套大数据应用方法和体系，帮助人们构建大数据生态系统、形成大数据组织战略、

本书主要是探讨面向控制需求的闭环辨识的基本理论以及工程应用技术，探索可工程实现的闭环辨识新方法和新技术。本书提出了新的辨识六要素定义，关于闭环辨识的可辨识性和可辨识条件的新看法，模型辨识准确度的新定义和通用指标，不稳定过程的闭环辨识新方法，辨识数据采集的参数优化方法以及闭环辨识设定值激励的新技术。本书尽力避免那些晦涩难