本书介绍了大数据挖掘与统计机器学习领域最常用的模型和算法，包括最基础的线性回归和线性分类方法，以及模型选择和模型评价的概念和方法，进而介绍非线性的回归和分类方法（包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法）。最后介绍无监督的学习中的聚类方法和业界广泛使用的推荐系统方法。除了方法的理论讲解

本书以“数据流”为主线，从信号处理角度出发，围绕问题描述和解决方案设计与实现两个角度组织材料，介绍计算机控制系统的分析、设计理论和工程实现技术。同时，本书提供了多种学习支持材料，如电子课件、教学指导手册、部分习题解答和线上虚拟仿真实验，能更好地帮助学生认识计算机控制的并发实时任务管理本质，树立正确的国家观、民族观、历史

本书是一本全面介绍数据挖掘与机器学习的大数据专业类图书，阅读本书可以提升读者对大数据分析与挖掘的认知以及动手能力。本书共有10章，由浅入深地讲解数据挖掘与机器学习的基本概念与流程、相关算法与实现工具。本书理论与实践相结合，既有技术的深度，也有行业应用的广度，使读者可以全面掌握数据挖掘与机器学习的相关技术。

本教材是计算机类专业的专业必修课教材和教育公共必修课教材。大数据涉及知识面广，应用场景多种多样，需要培养大数据思维，继而才能运用大数据思维展开分析应用技术。这就需要学习者能够宏观构建大数据环境的认知，掌握大数据处理的流程和相关技术，继而在明确应用思路引导下融汇知识，才能进一步结合大数据应用场景展开研究和探索。但是，目前

在数字化浪潮中，大数据技术无处不在，包括互联网、体育、工业、医疗、交通等在内的社会各行各业，都融入了大数据的印迹，大数据对人类的社会生产和生活产生了重大而深远的影响。一早醒来，多篇你感兴趣的推送文章早已占领手机屏幕；走在路上，智能手环实时监测着你的健康信息；想点外卖，小程序优先推荐最符合你口味的商家；骑车出行，导航系统

全书共分为10章，主要内容包括：认识大数据及搭建Hadoop集群、Hadoop生态系统、Hadoop集群搭建、HDFS原理与操作、Hadoop集群运维。同时本书也讲解了Hadoop平台的相关组件ZooKeeper、Kafka、Flume、Hive、HBase、Spark、ClickHouse、Flink、Sqoop和R

《用于智能数据分析的实用机器学习》一书讨论了多个新兴以及蓬勃发展中的计算机技术领域，专注于机器学习和物联网如何推动信息驱动。本书分为四个部分，涵盖机器学习、数据挖掘、物联网和信息安全。本书从智能数据分析及应用机器学习两大主题出发，着重于介绍将智能数据分析中的新技术如何应用于机器学习领域，如智能搜索、分类、聚类和智能决策

本书分为12章，主要内容包括Python程序简介、Python语法基础、程序流程控制、组合数据类型、函数、文件及目录操作、正则表达式、面向对象程序设计、异常处理和程序调试、数据库编程、网络爬虫、数据处理等。全书通过理论讲解和实例分析帮助学生学会运用Python解决实际问题，并在Python的理论基础上增加了金融、财经类

复杂大系统是一类具有特殊结构的动力系统，许多实际工程领域都可以用大系统来描述。分散控制理论是大系统应用研究中的一种重要方法，由于它的实用性、经济性和可靠性，受到人们的普遍重视并已发展成为当今最重要的控制理论分支之一。本书通过研究系统的结构特点，通过里韦普诺夫的稳定性理论、积分不等式和线性矩阵不等式等方法，研究复杂大系统

本书系统介绍了云计算与大数据的基础知识和主要技术。全书共6章，主要内容包括大数据技术概述、云计算技术概述、大数据处理的关键技术及其应用、云计算关键技术及其应用、大数据与云计算的安全问题、大数据与云计算技术的发展应用。