作为近十几年来大数据、人工智能行业飞速发展最重要的驱动技术之一，大数据分析与挖掘已经成为各个行业商业决策的必备技术。本书紧跟数据科学前沿，旨在帮助读者建立大数据分析与挖掘的思维框架，培养其使用数据驱动的方法解决商业决策问题的能力。本书秉承经典、主流和发展的理念，重点介绍了大数据分析与挖掘的主要步骤，关联分析、分类和聚类等经典算法的原理以及文本挖掘和深度学习等**算法和应用。本书内容设计采用“算法原理+商业案例”的方式，突出课程的实践性和应用性特点。

本书适合作为开设数据挖掘、机器学

本书共分8章，主要内容如下： 第1章介绍数据的认知与研究任务，大数据概念特征及技术挑战等。 第2章介绍大数据内容、知识和结果表达概念，以及元数据和知识图谱技术。 第3章介绍数据存储基础、大数据存储要求以及应对技术和典型系统。 第4章介绍数据管理基础，新型数据管理模型及其相应大数据管理系统。 第5章介绍数据计算基础，大数据计算特点，大数据的批量、流、图等新计算模型和特点，以及计算引擎的工作原理等。 第6章介绍大数据分析概念、分类聚类等数据分析的基本方法，以及深度学习等数据分析的高级方法。 第7章介

利用这本书，你将学习以下内容：了解如何选择Spark转换实现优化的解决方案。探索强大的转换和归约，包括reduceByKey()、combineByKey()和mapPartitions()。理解数据分区以实现优化查询。使用PySpark设计模式构建和应用模型。对图数据应用motif查找算法。使用GraphFrames API分析图数据。对临床医学和基因组数据应用PySpark算法。学习如何在ML算法中使用和应用特征工程。了解并使用实用的数据设计模式。

本书以Flink 1.16.0为主线，全面介绍了Flink的核心概念和常用功能。全书共9章，分别讲解了Flink概述，Flink部署与应用，DataStream API，DataSet API，时间与窗口，状态和容错机制，Table API&SQL和Flink CEP。
本书附有配套视频、教学课件、教学设计、测试题等资源，同时，为了帮助初学者更好地学习本书内容，还提供了在线答疑，欢迎读者关注。
本书可作为高等教育本、专科院校数据科学与大数据技术及相关专业的教材，还适合大数据开发初学者

本书主要分三部分：第1、2章介绍机器人学的基础以及并联机器人的关键知识；第3～5章介绍并联机器人的机构学理论，包括运动学和动力学；第6、7章介绍并联机器人的控制，主要是运动控制和力控制。附录将书中需要的预备知识进行了简要介绍。本书内容全面，层次结构合理，具有很强的可读性，几乎所有章后都配备了适量的习题，对于深入理解书中的内容可提供很大的帮助。本书适合机器人学相关的人士阅读。

本书主要内容包括：路线图、ISR总览、战术ISR、主要性能参数(KPPs)、无线电感应器网络(WSN)、探测问题描述、光学系统节点、射频雷达节点、其他传感器形式、多传感器结构、区分空间目标的间隔(CSO)、性能方程、分辨力、评估、数据，指令&控制通信、WSN的射频通信设计、射频WSN无线电收发机、指令&控制连接性、数据发布、功率管理、T-ISR节点处理器设计、可量测性和影响T-ISR的标准。

本书采用项目化的组织形式, 共设置了8个项目。项目1, 学习绘制程序流程图 ; 项目2, 用虚拟仿真设备编写“王”字程序、乒乓球分拣程序和单台机床上下料程序。该项目配套部分试题和评价表 ; 项目3, 编写码垛搬运工作站的工业机器人程序 ; 项目4, 编写焊接工作站的工业机器人程序 ; 项目5, 编写机床上下料工作站的工业机器人程序 ; 项目6, 编写电机装配生产线的部分工业机器人程序 ; 项目7, 编写物料分拣工作站的工业机器人程序 ; 项目8, 编写打磨轮毂生产线的工业机器人程序。<

本书介绍了群体智能机器人技术，讲解了从群体智能到机器人技术的原理、建模与应用，能够通过许多示例场景帮助研究者、从业者和师生了解如何设计大型机器人系统，这些示例场景涉及诸如聚合、协调运动、任务分配、自组装、集体构建和环境监测等领域。本书解释了构建多个简单机器人背后的方法，以及这些机器人之间的多重交互产生的复杂性，以便它们能够解决困难的任务。
本书适合机器人、人工智能领域的研究者、从业者和师生学习参考。

本书主要介绍不确定性环境下基于随机参数矩信息的鲁棒优化方法，讨论其模型构建、算法设计及实际应用等方面的最新研究成果。本书旨在为不确定性环境下优化决策提供理论建模、算法设计及分析的新方法和工具，同时为复杂环境下供应链管理、运营管理、物流运作等实际问题提供科学决策支持。