本书是大数据新兴领域“十四五”高等教育教材。本书系统、全面地阐述了大数据管理的基本概念、技术和方法。全书分为三篇，共9章。第一篇为数据管理系统概述，包含第1章，综述了数据管理系统发展所经历的四个阶段，以及大数据管理系统的数据特征和系统特征，阐述了大数据管理系统的组成，指出大数据管理系统完成了从NoSQL到NewSQL的

本书着重介绍大数据建模与分析中常用的概率极限理论，主要内容包括相依随机变量和过程的极限理论、Stein方法及其应用、自正则化极限理论、高维样本协方差矩阵的谱统计量渐近分布理论、随机梯度方法及其应用、随机复杂网络的整体和局部结构、分布式统计推断方法和渐近理论、Gauss逼近原理及其应用等。

本书共分为8章,每一章都围绕完整的项目展开,涵盖Spark的各个重要组件。包括认识Spark、Scala语法应用、SparkCore数据分析、SparkSQL结构化数据处理、Spark、流式数据处理,Spark结构化流式处理、Spark机器学习应用、社交软件运营数据分析,逐步提升读者的技术水平和应用能力。每个项目由多个

本书精心编排为15章,内容包括Spark简介、Spark集群环境部署、Spark编程体验、RDD深度解读、RDD的Shuffle详解、Spark共享变量、Spark序列化和线程安全、Spark内存管理机制、SparkSQL简介、SparkSQL抽象编程详解、SparkSQL自定义函数、SparkSQL源码解读、Spar

本书提供了完整的数据资产对内运营与对外运营的实施路径，从数据治理、数据资产入表到数据资产场景化应用，再到完整的数据资产运营，每个环节都有明确的实施路径及重点、难点。通过系统化的讲解，确保读者在理解每个概念的同时，能够掌握如何落地实施，避免出现知识断层的情况。 数据资产入表、管理和运营的核心是数据资产本身，法律、财务、评

知识图谱以三元组形式组织现实世界的各种事实，并通过图的形式揭示事实间语义关联，由于其完善的知识组织和存储方式，且建模更加灵活、表达能力更强，逐渐拓展到语言理解、智能问答、推荐系统等领域应用。工程应用场景中时序信息相关的动态性是知识图谱关键及主要特征，融合时序相关信息的动态知识推理对于提高知识图谱推荐、问答等应用的精准性

本书系统地介绍科学研究与工程应用领域使用广泛的MATLAB语言,全面介绍其基本编程方法,包括数据结构、语句结构、流程控制、函数编写、图形绘制与面向对象编程技术等,并介绍MATLAB语言在微积分、线性代数、代数方程、微分方程、最优化与数据处理领域的问题求解方法;本书还介绍基于Simulink的系统建模与仿真方法。

大数据技术的落地依赖“工具链掌握+场景化应用”的双重能力。从Python爬虫、Hive数据分析到Flink实时计算、数仓架构设计，技能点的综合应用能力已成为企业招聘的核心标准。本书以“真实项目驱动实训”为核心思路，精选4个典型实训项目构建阶梯式训练体系，涵盖离线处理、实时计算、数仓设计等核心场景，强化工程思维；整合Py

本书分为四篇，覆盖了数据治理项目的各个方面。建设篇：阐述了数据治理的价值与意义，并详细介绍了数据治理项目的准备工作以及建设流程，为组织提供了数据治理项目实施的框架和方法论。场景篇：深入探讨了主数据管理、数据质量管理、数据标准管理、数据共享与交换、数据资产管理、数据应用等典型应用场景，并分析了这些场景中需解决的问题和实践

本书围绕数据采集、清洗和标注三个环节展开，旨在为读者提供全面而深入的数据处理知识。首先介绍了数据采集的基础，从原始数据采集与互联网数据采集两个角度，阐述了数据采集的常用技术和方法。其次介绍了数据清洗的知识要点，针对结构化和非结构化两种数据组织形式，展现了如何通过有效的清洗技巧提升数据质量。接着通过文本、图像、视频、语音