本书较为全面地介绍了大数据开发技术平台Hadoop及其生态系统的相关知识。全书共12章，包括Hadoop概述、大数据开发平台Hadoop环境的搭建、Hadoop通用命令与编程原理、Hadoop分布式文件存储HDFS、作业调度与集群资源管理框架YARN、Hadoop分布式计算框架MapReduce、Hadoop数据库HBase、Hadoop数据仓库Hive、Hadoop数据的快速通用计算引擎Spark，以及大数据应用开发综合实例。本书从应用角度出发，重点培养学生应用大数据技术平台Hadoop解决实际问题的能力。 本书内容新颖，简明易懂，可操作性强，可作为普通高等学校、高职高专院校数据科学与大数据、软件工程等计算机相关专业和信息管理类专业“大数据开发技术”课程的教材，也可作为大数据技术培训的教材，还适合大数据技术研发人员和广大计算机爱好者自学使用。

本书是为所有热爱大数据、打算从事大数据相关工作的读者编写的，适合有Java编程基础的学习者参考使用。本书全面介绍了大数据技术生态圈，更在此基础上全景展现了Hadoop大数据分布式系统集群平台的搭建、大数据分布式文件系统HDFS、大数据分布式并行计算框架MapReduce、Hadoop大数据仓库工具Hive和海量日志采集工具Flume等大数据实用技术。本书通俗易懂、结构清晰，着重于分析解决问题的思路和具体实施过程。本书适合作为高等院校计算机相关专业的程序设计教材，也可作为Hadoop技术的培训图书。

全书共由7章组成，其中：第1章主要介绍数据挖掘技术、离群挖掘、集群系统与Spark并行计算模型及大数据的相关概念、理论基础和应用。第2章利用特征分组，针对高维分类数据集，研究了一种基于加权特征分组的离群检测新方法，通过将特征分为多个特征组来发现每个组中特征模式的不同方面。第3章利用Spark计算平台，研究了高维分类数据的并行离群检测算法。第4章通过分析属性间的相关性，研究了一种基于互信息的混合属性离群检测算法。该算法在互信息机制下给出了针对数值型和分类型统一的属性加权方法和离群得分计算方法，而且不同类型属性下的相似性度量也进行了规范化处理。第5章针对互信息计算的复杂性问题，充分利用Spark并行计算框架的强大计算能力，研究了一种并行互信息计算方法，该算法利用列变换和虚拟数据划分技术降低了网络传输和计算代价。第6章以某钢铁企业实际的冷轧辊产品加工数据为背景，设计与实现了冷轧辊制造过程离群检测原型系统，从而为企业开展产品质量控制提供了一种新的技术方法和解决思路。第7章是研究的总结与展望。

构建基于区块链的高效、安全的分布式物联网网络，对于提高物联网系统协作效率、降低物联网体系运转成本、推动物联网产业技术创新和应用落地具有重要意义。近年来，在区块链应用方面的研究已经取得了一些有价值的成果，然而，到目前为止，基于区块链的物联网系统性能依然存在瓶颈，链上数据的可靠性无法保证，跨链通信状态机同步仍非常困难，距离实际应用需求还存在很大差距。《区块链赋能物联网应用关键技术研究》针对物联网联盟链动态数据存储与共享面临的安全及扩容问题，提出解决方案，可以在确保数据安全性和可靠性的前提下，实现物联网联盟链结点自主跨链交互，为防止物联网数据被篡改、伪造，同时提高系统共识效率与可扩容性提供了一套有效的理论与技术方案。通过理论分析与实验，验证了《区块链赋能物联网应用关键技术研究》所提方法的有效性。

全书共分为8个项目，包括计算机与信息技术基础、认识Internet、Windows 10操作系统的使用、Word 2016文档编辑与管理、Excel 2016数据统计与分析、PowerPoint 2016演示文档制作与展示、人工智能技术及应用概论、大数据技术原理及应用概论。各项目内容通过任务逐步展开，有利于适应高等职业院校项目化教学要求，适应高职学生的学习特点。本书简明通俗，便于理解，不仅可以拓宽知识面，还可以培养学生的计算机应用能力和解决问题的能力。本书具有简明、实用、操作性强等特点，既可作为高等职业院校各专业计算机基础的教学用书，也可作为一般读者和专业人员的自学参考书，还可作为培训教材。

SPSS高级建模技术可广泛应用于商业领域的量化分析。本书的**特色以精选的商用案例详解SPSS前沿建模技术在商业领域的综合应用，以期为通过建模量化分析改善商业运营水平管理，或提升核心竞争力的职场人士阅读参考。全书共12章，第1章～第2章介绍SPSS快速入门和建模技术要点，后续各章节均以实际商业应用案例的形式详解SPSS在商用实践建模中的应用与分析。建模技术方面，本书系统介绍了神经网络多层感知器、径向基函数、决策树等热门大数据处理建模技术应用，以及SPSS专门用于市场营销的联合分析、直销模块分析等高级专业建模技术应用，也介绍了经典的线性回归分析、相关分析、因子分析、聚类分析、描述性分析、方差分析、交叉表分析等一般统计建模技术应用；精选的案例都是当下流行热门的商业运营领域，包括市场调研、市场营销、客户满意度调查、连锁门店分类管理、奶制品物流配送、客户关系分级分类维护、务审批、消费者综合体验、上市公司估值等。书中每一个案例都以解决实际问题、提升价值贡献为导向，通过具体案例详解涉及多种SPSS技术的综合应用，融会贯通组合应用多种建模技术达到理想分析效果。本书内容翔实、应用范围广泛。一是可供商业运营领域的各类职场人士借鉴参考，无论是高层管理者、决策者、具备多年从业经验的资深人士，还是基层应用岗位、职场新手，只要在工作中有量化分析的需求，都可通过学习本书举一反三提高商业运营水平或提升职场竞争力；二是可供高等院校经济管理类、商业运营类及相关专业专科生、本科生、研究生和MBA学员学习阅读，也可作为掌握建模技巧以完成毕业设计的学生参考书。

在大数据时代，“数据”是一种宝贵的资源，甚至可以说是战略性资源，它蕴含着无尽的能量，展示出超然的魅力。随着大数据时代的到来，数据库技术在研究、管理和应用数据领域成为备受瞩目的核心技术。在这种背景下，数据库技术已成为人们需要学习和掌握的一种基本知识和本领。 本书以华为公司自主研发的GaussDB（for MySQL）数据库管理系统为背景，全面讲述了数据库原理和技术，以及基于GaussDB（for MySQL）进行数据库应用系统开发的基本技能和方法。 本书以培养计算思维能力为目标，由“基础理论篇”“技术篇”“系统应用篇”三篇组成，以数据库应用系统案例为主线贯穿全书，讲述了数据库基础理论、数据库操作和管理的基本技能以及数据库应用系统开发的一般方法。 特别地，它以目前国产新型云数据库为背景，这在国内极为少见，对于增强科技自信、民族自信，促进国产数据库软件的发展和应用普及具有重要意义。 本书配套资源全面、丰富，未来还将配套适合GaussDB（for MySQL）平台的实验指导书，可作为数据库技术学习者的教学用书，也可作为培养“小型应用系统开发能力”的学习用书，以及作为广大计算机用户和计算机学习者的培训用书及自学用书。

《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》以企业数据分析系统为业务背景，主要介绍微软公司的PowerBI系统的应用场景，涉及数据的收集、输入、清洗、过滤、发布等数据处理流程，以及功能模块方面的市场分析、用户分析、货品分析、流量分析、资源分析、舆情分析等多个常用场景，让用户很快熟悉从大数据分析到人工智能的应用。《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》遵循以实战为主的原则，力求做到结合项目、图文并茂、语言通俗、结构紧凑、例题丰富、实践性强。《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》适合作为高等院校计算机应用专业的教材，同时也适合智能数据分析的爱好者、数据管理人员、电商数据分析从业人员、电商运营从业人员阅读，还可以作为自学或函授学习的参考书。《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》特色：在结构上按照先总体后具体、先基本概念后高级进阶的顺序安排章节，兼有普及与提高的双重功能。结合大量实例，以通俗易懂的语言讲解复杂概念和方法。每章后附有问答题和实验题，并设计多次大作业，注重实践。面向企业实际项目应用，注重培养用户理解大数据分析的内涵和外延，学会用数据描述、分析和解决实际问题。

《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》特点：内容系统全面：全面介绍数据挖掘的经典和主流算法。原理浅显易懂：循序渐进阐述各类数据挖掘算法原理。配套视频教程：提供配套视频讲解数据挖掘算法实现。算法代码实现：使用Python3.6.2实现书中所有算法。配套资源丰富：配有教学课件、数据集和源代码。《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》是一本全面介绍数据挖掘技术的专业书籍，系统地阐述了数据挖掘的相关概念、原理、算法思想和算法的Python代码实现。《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》共分13章，各章相对独立成篇，以利于读者选择性学习。13章内容分别为绪论、pandas数据处理、认识数据、数据预处理、决策树分类、贝叶斯分类、支持向量机分类、感知器分类、回归、聚类、关联规则挖掘、推荐系统、电商评论网络爬取与情感分析。《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》可作为高等院校计算机科学与技术、数据科学与大数据及相关专业的数据挖掘、数据分析课程教材，亦可作为数据挖掘、数据分析人员的参考书。

Kettle是一款国外开源的ETL工具，纯Java编写，无须安装，功能完备，数据抽取高效稳定。 本书介绍并演示如何用Kettle完成Hadoop数据仓库上的ETL过程，所有的描绘场景与实验环境都是基于Linux操作系统的虚拟机。全书共分10章，主要内容包括ETL与Kettle的基本概念、Kettle安装与配置、Kettle对Hadoop的支持、建立ETL示例模型、数据转换与装载、定期自动执行ETL作业、维度表技术、事实表技术，以及Kettle并行、集群与分区技术。 本书既适合大数据分析系统开发、数据仓库系统设计与开发、DBA、架构师等相关技术人员阅读，也适合高等院校和培训机构人工智能与大数据相关专业的师生参考。