本書圍繞Hadoop大數(shù)據(jù)平臺及其生態(tài)系統(tǒng)組件的部署與運維，采用”任務(wù)驅(qū)動＋知識準(zhǔn)備＋任務(wù)實施＋考核評價”的項目化模式組織各單元的內(nèi)容。全書分為11個單元，主要內(nèi)容包括大數(shù)據(jù)簡介、Hadoop偽分布式安裝部署、Hadoop集群部署與監(jiān)控、HDFS分布式存儲、使用MapReduce實現(xiàn)電商銷售數(shù)據(jù)的統(tǒng)計、Hadoop高可

本書共包括六個項目：先導(dǎo)知識學(xué)習(xí)、認(rèn)識MCGS組態(tài)軟件、應(yīng)用MCGS實現(xiàn)儲液罐水位自動監(jiān)控、基于MCGS的交通信號燈監(jiān)控系統(tǒng)設(shè)計、機(jī)械手物料自動搬運控制系統(tǒng)設(shè)計、職業(yè)技能大賽自動化生產(chǎn)線的安裝與調(diào)試。

本書共分為八章，分別為數(shù)據(jù)分析概述、外部數(shù)據(jù)的獲取、數(shù)據(jù)處理、函數(shù)的應(yīng)用、數(shù)據(jù)透視表與數(shù)據(jù)透視圖、數(shù)據(jù)分析與可視化、Excel數(shù)據(jù)分析實例、撰寫數(shù)據(jù)分析報告。本書注重平衡理論知識和實踐應(yīng)用，每章都包含了實際應(yīng)用案例和實訓(xùn)活動，以幫助讀者深入理解和掌握所學(xué)知識。本書既可作為中等職業(yè)院校計算機(jī)類專業(yè)課程教材，也可作為相關(guān)企

本書由8章內(nèi)容構(gòu)成：緒論、工業(yè)過程數(shù)學(xué)模型、常規(guī)過程參數(shù)的檢測及儀表、過程控制執(zhí)行器、簡單過程控制器設(shè)計、復(fù)雜過程控制器設(shè)計、先進(jìn)過程控制系統(tǒng)、過程控制工程的實施。

本書共12章，具體包括SPSS的入門知識概述、數(shù)據(jù)文件管理、參數(shù)檢驗、非參數(shù)檢驗、統(tǒng)計分析、相關(guān)分析、回歸分析、聚類分析、降維分析、刻度分析、生存分析和綜合案例應(yīng)用等內(nèi)容，讀者學(xué)后可以融會貫通、舉一反三，快速掌握SPSS的相關(guān)操作技巧。

本書依托國家自然科學(xué)基金、湖北省杰出青年基金項目，面向工業(yè)制造過程和系統(tǒng)，介紹了多元統(tǒng)計分析和機(jī)器學(xué)習(xí)等工業(yè)數(shù)據(jù)分析方法，在此基礎(chǔ)上介紹了作者團(tuán)隊提出的多種故障檢測、故障變量溯源、故障分類、故障辨識、健康預(yù)警、產(chǎn)品等級分類方法。除了關(guān)注傳統(tǒng)的故障檢測率和誤報率之外，重點分析了過渡模態(tài)、操作故障、污染效應(yīng)、故障分級、小樣

內(nèi)容提要：隨著數(shù)據(jù)采集技術(shù)以及存儲技術(shù)的不斷進(jìn)步，現(xiàn)代科學(xué)研究和實踐中需要處理和分析的數(shù)據(jù)已經(jīng)從單一來源向多個來源轉(zhuǎn)變。在醫(yī)學(xué)研究、生物信息、市場研究、金融風(fēng)險管理、氣象環(huán)境科學(xué)等諸多重要領(lǐng)域，多源數(shù)據(jù)的現(xiàn)象普遍存在，在帶來巨大機(jī)遇的同時也給統(tǒng)計分析建模帶來了全新的挑戰(zhàn)。針對這一國際前沿問題，本書主要介紹作者最近幾年在

本書為數(shù)據(jù)要素教程，立足于實現(xiàn)數(shù)據(jù)要素的價值創(chuàng)造，推動新質(zhì)生產(chǎn)力加快發(fā)展，在宏觀體系和多維視角下構(gòu)筑了數(shù)據(jù)要素基礎(chǔ)理論框架。提出了系列中國原創(chuàng)的數(shù)據(jù)要素理論，主要包括以大模型的人工智能為基礎(chǔ)的第五科學(xué)范式；以數(shù)據(jù)收益權(quán)為核心的四權(quán)分置數(shù)據(jù)權(quán)益體系；以大眾分享數(shù)據(jù)經(jīng)濟(jì)紅利為價值目標(biāo)的共票數(shù)據(jù)收益分配體系；以區(qū)塊鏈、人工智

互聯(lián)網(wǎng)的出現(xiàn)使人們第一次能夠訪問大量的數(shù)據(jù)。比如,社交網(wǎng)絡(luò)Facebook中的友誼圖和互聯(lián)網(wǎng)網(wǎng)站之間的鏈接圖。這兩幅圖都包含超過10億個節(jié)點,代表巨大的數(shù)據(jù)集。如果要使用這些數(shù)據(jù)集,就必須對其進(jìn)行處理和分析。然而,僅僅是它們的大小就使得這種處理非常具有挑戰(zhàn)性。特別是,為處理中等規(guī)模的數(shù)據(jù)集而開發(fā)的經(jīng)典算法和技術(shù),在面對

本書建立了統(tǒng)一的基于粒計算的概念和算法框架，并將這些概念和算法用于數(shù)據(jù)分析和系統(tǒng)建模；討論了粒計算的前沿和熱點問題，如信息粒的編碼與解碼、信息粒的表示和構(gòu)建、基于信息粒度最優(yōu)分配的粒度模糊模型的建立、基于粒度模型的異常值檢測、基于信息粒的預(yù)測模型設(shè)計、模型可解釋性的研究等。本書內(nèi)容涵蓋了數(shù)據(jù)挖掘和粒計算的諸多前沿問題，