本书基于具有实用性和普适性的案例来编写，将数据的收集、获取、预处理、分析与可视化贯穿其中。根据当前高职高专教学实际需要，结合企业实际需求，采用“理实结合”的思路，以“案例导入”的形式详细介绍了大数据实训项目。包括使用requests库获取天气信息，然后通过JupyterNotebook进行分析处理；使用Scrapy框架

本书主要研究决策蕴涵的逻辑理论及形式概念分析中的知识表示与推理。具体内容包括：决策蕴涵、模糊决策蕴涵和可变决策蕴涵的逻辑理论,决策蕴涵规范基和模糊决策蕴涵规范基的逻辑理论,决策蕴涵规范基的生成方法和性能分析,决策蕴涵的知识表示能力及其与概念规则和粒规则的比较,模糊属性约简等。

本书结合作者在数据安全领域的教学和科研实践，提出了完整的数据安全概念与体系，介绍了数据安全理论与技术知识及其前沿研究进展。本书内容包括基础篇和高级篇。基础篇介绍数据安全密码技术基础，数据保密性、完整性、认证性、访问控制、可用性，以及数据库安全和数据安全管理等内容；高级篇介绍云数据存储安全与访问安全、数据计算安全、数据可

本书系统讲述ApacheSpark大数据计算平台的原理，以及如果将ApacheSpark应用于大数据的实时流处理、批处理、图计算等各个场景。通过原理深入学习和实践示例、案例的学习应用，使读者了解并掌握ApacheSpark大数据计算平台的基本原理和技能，接近理论与实践的距离。全书共分为13章，主要内容包括Spark架构

《大数据技术概论（微课版）》以项目、任务驱动的方式组织内容，以大数据产业链六大产业环节为核心构建逻辑，采用新形态活页的形式进行组织编写。《大数据技术概论（微课版）》共10个项目，包括认识大数据、了解大数据产业、大数据平台与生态圈、大数据采集、大数据存储、大数据预处理、大数据分析与挖掘、大数据可视化、中国信创与大数据中台

本书针对智能制造中的数据技术基础展开介绍，在概要阐述数据技术基本概念与发展历程之后，围绕智能制造中的业务数据化特点，从数据生命周期与数据管理流程角度，依次对智能制造中的主要数据技术及其应用情况进行了详细介绍。本书撰写基于理论与实践相结合的原则，注重数据技术方法体系及其在智能制造业务中的应用介绍，能够为智能制造工程、机械

本书详细介绍了大数据技术的基础理论和主流前沿技术。全书共分9章，分别介绍目前面临的大数据时代、大数据系统的基本结构、大数据采集与预处理、大数据处理基础架构——云计算、计算模式与处理系统、查询展现与交互、大数据分析与数据挖掘、隐私与安全、前沿技术及应用、行业案例研究。每一章除讲解相关理论外，还讲解了适用技术及案例。各章都

流计算系统尽可能地优化了接收处理事件数据的间隔时间，因此能实时地提供响应。对于金融、安全和物联网领域的应用来说，几毫秒都很关键，因此流计算系统是必要组件。而且，流计算是热门技术！具有Spark、Heron和Kafka经验的工程师供不应求。 《流计算系统图解》以浅显易懂的语言介绍了实时事件流应用。这本引人入胜的书阐明了

本书以Hadoop3.x为主线，全面介绍Hadoop及其生态体系中常用的大数据开源项目的安装和使用。全书共11章，分别讲解大数据概念、Hadoop基础知识、Hadoop集群部署、HDFS、MapReduce、YARN、ZooKeeper、Hive、Flume、Azkaban和Sqoop，并在最后开发一个完整的网站流量日

《Spark入门与大数据分析实战》基于Spark3.3.1框架展开，系统介绍Spark生态系统各组件的操作，以及相应的大数据分析方法。《Spark入门与大数据分析实战》各章节均提供丰富的示例及其详细的操作步骤，并配套示例源码、PPT课件和教学大纲。《Spark入门与大数据分析实战》共分11章，内容包括Scala编程基础