本书讲解了大数据查询技术涉及的知识体系，主要是Hadoop生态圈体系中的各个组件，包括HDFS、Hive、Presto、HBase、Phoenix、Elasticsearch和dbeaver。本书采用项目任务驱动的方式进行讲解，覆盖组件的工作原理、部署安装和使用方法，力求帮助读者更有效地动手实践。

本书主要讲述自动控制原理及其应用，并系统介绍自动控制系统的基本概念、基本理论、分析与设计方法。全书共9章，第1章为绪论，第2章为控制系统的数学模型，第3章为控制系统时域分析，第4章为根轨迹技术，第5章为线性定常系统的频域分析法，第6章为控制系统的校正设计，第7章为状态变量系统分析与设计，第8章为数字控制系统，第9章为自动控制系统设计实例。 本书以培养应用型、研究型人才为主线，通过新颖且充满挑战性的问题，让学生在寻找问题答案的过程中，充分体会发现的乐趣。本书强调以人为本的思想，每章介绍一位与信息自

《智能控制》（第2版）（ISBN为9787302581611）是全国工程硕士专业学位教育指导委员会推荐教材，全面涵盖模糊控制、神经控制、专家控制、仿人智能控制、递阶智能控制、学习控制、**智能控制及其工程应用实例。本书配套于该教材，为智能控制研究生课程教学提供全面而系统的教学设计与指导，包括学习理论、指导教学的系统科学、思维科学、科学方法论，教学文件、教学手段、教学方法、教学重点难点及教学课件设计。

"本书为项目式、任务式教材。以三个具体的项目为载体，每个项目分若干个任务。分别为：滑仓系统概念设计与虚拟调试、加盖拧盖单元概念设计与虚拟调试、检测分拣单元概念设计与虚拟调试。第一个项目以基本知识的学习与应用为目的，读者通过该项目的学习与实践初步掌握概念设计与虚拟调试的基本技能；第二个项目、第三个项目以全国职业院校技能大赛“机电一体化项目”竞赛设备为原型进行简化设计，模拟加盖拧盖生产线、检测分拣生产线的运行流程。读者在完成各任务的过程中学习MCD知识技能点并熟练掌握其应用，每个任务点均设计有任务验

数据作为数字经济的血液、知识经济的基石，是企业的战略性资源。将数据转化为可被企业直接使用的有价值的资产，即“数据资产化”，已经成为企业数字化转型的重要目标。本书阐明了数据资产化的意义，围绕数据资产的确认、登记、质量评估、价值评估、入表，数据高效流通及价格发现等方面，系统阐述了数据资产化的理论和实践问题。本书可以帮助读者深入了解数据资产化这一全新且充满机遇的领域，提高数据资产的管理和利用水平，推动企业数字化转型的进步和升级。

本书系统讲述Apache Spark/PySpark大数据计算平台的原理，以及如果将Apache PySpark应用于大数据的实时流处理、批处理等各个场景。通过原理深入学习和实践示例、案例的学习应用，使读者了解并掌握Apache Spark/PySpark的基本原理和技能，接近理论与实践的距离。
全书共分为8章，主要内容包括：Spark架构原理与集群搭建、开发和部署PySpark应用程序、PySpark核心编程、PySpark SQL、PySpark SQL高级分析、PySpark结构化流

"数据科学项目日益增多，每个项目在提出原型到生产的过程中都需要可靠的基础设施。使用《Effective数据科学基础设施》介绍的一些新技术和新工具，你将能建立一个适用于各类组织(无论是初创企业还是大型企业)的基础设施堆栈。 《Effective数据科学基础设施》可帮助你建立数据流程和项目工作流，为你开发项目带来强大动力。《Effective数据科学基础设施》呈现Netflix数据操作的**进工具和概念，并在此基础上介绍一种可定制的基于云的模型开发和MLOps方法，可轻松适应公司的特定需求。当

本书由校企“双元”合作开发，以企业真实项目的实施流程为主线，通过“电商平台用户行为数据分析”项目实战，贯穿Hadoop大数据核心技术，包括项目需求、大数据平台部署、数据采集、离线数据仓库设计与开发和项目数据可视化展示。本书内容主要涉及VMware、Xshell、IDEA等软件的安装配置；Hadoop分布式集群环境搭建； Flume、Kafka、Hive、Sqoop、ZooKeeper等Hadoop生态组件的基本工作原理、搭建及配置方法；使用Flume-Kafka-Flume架构实现数据采集；Hi

本书介绍了人工智能与语言知识的结合特点。通过理论概念讲解、具体实例分析，介绍语言知识的构建方法、类型案例、应用领域，辅助学习者快速了解行业基础和发展动态。本书首先介绍语言知识库的基本理论和构建方法，通过例子介绍资源类语言知识、语料库语言知识的概念和结构。为了方便理解，本书结合大量案例介绍语言知识在自然语言处理及在司法、医疗、金融等垂直领域中的应用，目的是帮助数据标注者理解行业发展，建立语言知识理论和应用的基本框架，为从事相关工作提供便利。

本书围绕数据正义理论展开。数据化并非仅是技术，实为一种政治经济体制，应优先考虑数据化带来的社会正义问题。数据正义要求找到应对资本主义危害的方式；数据化嵌入政府治理导致社会成员权力弱化，数据正义要求政府机构优先考虑以人为本、团结建设；数据正义概念必须是连接全球社会学，绝非仅是西方的；数据正义要解决数据化带来剥削、歧视、隐私侵害、监视、操纵、不公正等危害；数据化限制了公民的主体性，数据正义要求确保公民在政治参与方面的积极与自主；鉴于以知情同意为中心的监管框架存在缺陷，应从保障个人权利到承认集体