本书涵盖从数据与大数据概念、数学基础到实践应用的相关内容。全书共7章，详细介绍数据科学的基本概念、发展历程及其在工程中的应用，然后深入讲解向量与矩阵计算、统计推断、凸优化和图论等数学基础，为后续的数据分析、模型构建和优化提供坚实的理论基础。书中还穿插有遥感图像压缩、动物图像特征提取、前景分离、社交网络推荐等实际应用案例

全书分为上下两册，上册包含9章，下册包含5章。上册为第1—3章，围绕大数据及其驱动的新一代人工智能的发展，梳理了数据科学所面临的机遇和挑战，引入基于模型的系统工程体系和方法，构建了支持大数据分析与技术实施的体系结构与方法论。第4—6章，围绕大数据的建模与分析，介绍了大数据的需求和性能建模方法、业务建模分析方法及数据建模

本书系统性地介绍了大数据的概念、技术架构、数据处理与存储、数据挖掘与分析等内容，适用于大数据领域的初学者和理论研究者。而在实际应用方面，本书重点关注大数据技术在各个行业的应用场景，涵盖金融、医疗、电商、物流等领域，为读者提供了丰富的实践案例和解决方案。针对应用层面，本书通过大量案例分析，将大数据技术与现实生活场景相结合

本书系统的围绕设计可追踪的数据隐私保护方法这一核心问题，从不同角度提出了多种数据隐私保护和追踪功能结合方案，在此基础上对方案深度应用，证实了可追踪的数据隐私保护方案的可行性。此书提出的可追踪的数据隐私保护方法为隐私保护研究领域提出了一种新的解决方式，目前已有多所学校或者研究机构的人员加入到此研究中。

《大数据分析与应用(微课版)》紧跟大数据技术的最新发展，采用简明易懂的语言和逐步深入的案例，系统地讲解了大数据分析的相关知识。《大数据分析与应用(微课版)》的主要内容包括：大数据分析概论、需求分析与指标体系构建、大数据存储与管理、云计算与大数据的集成应用、网页结构分析与Python编程基础、大数据采集、大数据预处理、大

本书围绕配套教材《Hadoop大数据分布式框架-原理与应用》的教学任务，根据教学内容和教学进度设置相应的实验，整本实验指导书共分为20个实验，主要介绍Hadoop分布式环境的部署过程、HDFS编程、MapReduce编程及应用、Hadoop的相关生态组件HBase、Hive、Spark、MySql的安装及应用，以及集成

"《复杂系统影响因素研究的数据驱动分析方法》聚焦于复杂系统影响因素研究的数据驱动分析方法(DAC)，为应对大数据和人工智能时代复杂系统问题提供创新思路与实用工具。第1章阐述了传统分析方法在处理复杂系统多变量、非线性和动态变化等特征时的不足，而DAC凭借先进的数据挖掘和机器学习算法，通过数据获取、数据处理与变量测量、聚类

专著，本书全面介绍了作者近年来在网络控制系统领域的研究成果。主要内容包括：网络控制建模方法综述；区间化随机时延的网络控制系统镇定研究；区间化时变时延的网络控制系统镇定研究；网络控制系统时变采样周期的建模与切换控制；具有网络诱导时延与随机丢包的网络化系统建模与控制；具有时延与丢包的网络化切换系统建模与控制；混合事件触发下

本书分为4篇,共12章。第1篇(第1、2章)准备篇,主要介绍Hadoop和Spark的基本概念,以及如何快速搭建Hadoop和Spark的学习环境。第2篇(第3-6章)入门篇,涵盖Hadoop的高级特性、Spark的基础知识与高级特性,以及大数据安全。第3篇(第7-10章)进阶篇,深入讲解数据采集与清洗、数据存储与管理

本书以科学、实用、简明易懂的语言，以数据时代大数据技术发展与实践为框架，对大数据的技术支撑、基于Hadoop的大数据平台的实现、大数据应用的相关技术、云时代的大数据技术应用案例等内容做深入分析。