本书使用大数据存储常用工具与真实场景案例相结合的方式，以项目任务式为导向，较为全面地介绍了HBase分布式数据库与Hive分布式数据仓库的相关知识。全书共9个项目，内容包括认识数据库与数据仓库、安装与配置HBase列存储数据库、使用HBase Shell构建博客数据库系统、使用HBase Java API实现博客数据库系统的应用开发、安装与配置Hive结构化数据仓库、使用Hive实现数据定义操作、使用Hive Shell实现用户优惠券数据分析及处理、使用Hive Java API实现用户优惠券分析的应用开发、以及如何综合使用Hive与HBase存储技术实现电信运营商流失用户分析。本书大部分项目都设置了任务实训及课后习题，通过练习和操作实践，可以帮助读者巩固所学的内容，快速掌握书中所介绍的HBase与Hive存储工具的操作。本书可以作为高校大数据技术相关专业的教材，也可作为大数据技术或数据库爱好者的自学用书。希望通过学习本书内容，读者在提升大数据存储技术的应用能力的同时，也能够养成自主学习的意识，提高发现问题、分析问题和解决问题的能力，具备良好的问题分析素养和独立思考能力，并养成敬业、精益、专注的工匠精神。

本书是数据标注领域 的实训讲义。本书着重对常见的文本、语音和图像标注任务类型进行介绍，帮助从事标注工作的学习者快速地完成系统化学习，进行标注实战。 本书对文本、语音及图像标注的多种任务类型逐一进行讲解和分析，每种标注类型均配有对应的规范、举例分析、习题及解析。同时，本书还针对各类标注配套多种子任务类型或多个领域的实操练习题，以帮助本书学习者增长见识，实现系统的、完整的学习，培养实战能力。

本书针对应用型本科高校计算机类专业编写，讲解数据结构的概念和原理，分析数据结构的基本运算，并给出了解决实际问题的各种经典算法。全书内容包括线性表、栈和队列、串、数组和广义表、树和二叉树、图、查找、排序。本书内容精练、逻辑性强、注重基础、突出重点、实例丰富、实用性强。书中采用C+语言描述算法，清晰简洁，易于学生理解和掌握。为帮助读者深入理解、巩固和深化理论知识，每章后配有习题，可供不同层次的读者选用。本书适合作为应用型本科高校计算机类专业教材，也可作为信息类专业教材，还可作为计算机自学人员的学习用书。

本书基于金仓数据库管理系统KingbaseES V9版本，采用“理论+实践”的形式编写。在全面介绍KingbaseES PL/SQL基本知识的基础上，详细讲解了PL/SQL开发的所有功能模块、方法和技巧，包括PL/SQL中的静态SQL语句、事务处理、动态SQL语句、异常处理、输入与输出、子程序、用户自定义对象、用户自定义聚集函数、程序包、触发器、代码保护、调试、调度与执行等主要内容。本书以一个简化的在线购物平台数据库为例，将理论知识翔实地融入实践当中，以大量应用实例验证、解读，让读者体验完整的项目实操过程。此外，考虑与Oracle及PostgreSQL数据库的兼容性，协助数据库开发人员用好国产数据库，提高国产数据库在国民经济各领域的应用范围，本书还作了差异性比较和转换操作。本书适用于KingbaseES数据库开发人员、KingbaseES数据库管理员等相关数据库从业人员，也可作为大中专院校计算机科学与技术、软件工程等相关专业师生的参考用书，还可作为培训机构的培训教材。

本书以实际使用过程为框架结构，以先整体后局部为理念，以动态页面中进行数据表记录操作为验证，详尽介绍了DM8的基础知识与实践应用，内容涵盖DM8中的基本概念、模式操作、数据表操作、数据表记录操作、SQL语言、数据库的备份与还原。书中突显数据库中表记录在动态网站中的查询与编辑，通过动态网站环境，践行“学以致用”的教学理念。本书可作为高职院校学生计算机技术基础、网络应用、云计算、大数据等专业核心课程的教材，也适用于初次接触数据库的读者，还可供动态网站开发的自学者或软件开发人员参考。

架构大数据系统涉及的技术和工具种类繁多，但技术和工具背后的大数据处理需求和解决问题的思维逻辑却恒久不变。本书采用软件工程化方法，从大数据架构的需求出发，籍由理性和常识的指引，推导和梳理大数据架构之术（大数据处理的基本原理和技术方法），进而讨论大数据架构之器（具体软件工具的功能、设计、实现以及使用方法），建立大数据架构教学的知识体系。本书可用作普通高校数据科学与大数据相关专业的基础教材，亦可用作高职高专职业教育培训教材以及相关工程技术人员的参考用书。

暂缺简介...

当今时代，海量信息数据在人类生产生活中涌现，信息数据处理的重要性也逐渐凸显。在此种背景下，大数据和云计算应运而生。大数据正在世界范围内引发深刻的技术和商业变革，而云计算是大数据成长的重要驱动力，二者是一体两面的关系。本书从云平台和大数据的概念及关系出发，详细阐述了大数据时代背景下的云计算技术、云安全架构、ISDM云平台等知识，并揭示了大数据时代云计算技术未来面临的问题。本书有着广泛的适用范围，可以作为高校大数据、计算机科学与技术、计算机软件、计算机信息管理、软件工程等专业的教材，也可作为相关从业者的参考读物。

本书深入浅出地介绍了面向大数据和云计算的异构结构集群资源调度框架和应用，共分为11章，内容涉及面向大数据和云计算的异构结构集群的基本概念、异构结构集群资源调度机制、集中式资源调度框架、集中式资源调度框架的负载平衡和可扩展性优化、分布式资源调度框架、应用感知的混合式资源调度框架、GPU集群的一体化调度算法、CPU-GPU集群在机器学习中的资源调度、大规模图数据挖掘的示范应用。 本书的适用对象为大数据和云计算相关领域的程序员、架构师、运维人员和产品经理作为技术参考和培训资源，也可以作为大中专院校教师和学生的教学参考。

使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADMM）则是求解带约束优化问题的有力工具。《BR》本书概述了机器学习中ADMM的新进展。书中全面介绍了各种情形下的ADMM，包括确定性和随机性的算法、集中式和分布式的算法，以及求解凸问题和非凸问题的算法，深入介绍了各个算法的核心思想，并为算法的收敛性和收敛速度提供了详细的证明。