随着互联网的蓬勃发展以及大数据时代的到来，新的欺诈安全问题不断涌现，这也诞生了一个新的概念——大数据安全。大数据安全指的是针对大数据时代背景下的安全风险，使用大数据、人工智能等新兴技术建立对抗体系，进而进行安全治理与防范。本书旨在对大数据时代背景下的欺诈安全问题、大数据平台工具、反欺诈对抗技术和系统进行全面的阐释，以帮助读者全面学习大数据安全治理与防范的背景、关键技术和对抗思路，并能够从0到1搭建一个反欺诈对抗系统。 本书作为入门大数据安全对抗的理想读物，将理论与实践相结合，既能加强读者对大数据

本书内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。

本书通过实战案例和可视化的图形讲解数据分析的知识。通过阅读本书，读者可以从容地处理数据，高效地完成数据分析工作。本书共9章，主要内容包括不同场景下的数据分析方法，从业者应具备的数据分析基本知识，数据分析师应具有的思维方式，海盗法则和指标体系建模，用户画像赋能数据分析，数据可视化的实操技巧等。 本书不仅适合产品经理、运营人员、市场营销人员阅读，还适合数据分析人员阅读。

本书将基础理论和算法实现相结合，介绍了关于大数据分析中的相关知识，全面、系统地介绍有关算法的实现过程，并对算法在相关实例上的应用结果进行分析。全书共8章，内容包括差异化空间插值模型的理论原理、利用空间信息的大数据分析预测过程、协作复合神经网络模型的基础架构、利用相关特征的大数据分析预测过程、并行支持向量机的基本原理、并行支持向量机下的风险分类评价研究、集成学习与贝叶斯优化的相关理论和结合贝叶斯优化与集成学习的大数据评价研究等知识。书中每种算法都以伪代码的形式进行描述并附有相应的实例。

本书介绍大数据知识工程的有关内容。全书共9章，第1章介绍大数据知识工程的背景；第2章介绍大数据知识工程的“三跨”特点及面临的“散、杂、乱”挑战；第3-6章介绍知识表示、知识获取与融合、知识表征学习、知识推理四个核心环节；第7章介绍教育、税务、网络舆情领域的大数据知识工程应用；第8章指出未来研究方向；第9章对全书进行总结。

本书系统地介绍了有关过程参数检测和自动控制装置的基础理论和应用技术。全书分为4篇，共10章。第1篇基础知识，含第1、2章，介绍本课程的意义及内容，检测仪表的基本概念及性能指标；第2篇过程参数检测，含第3～7章，介绍生产过程中常用的温度、压力、流量、物位和成分等参数的测量方法及常用检测仪表；第3篇过程控制仪表，含第8、9章，介绍控制仪表及装置（包括常用仪表分类、各种仪表信号制，模拟控制器、数字控制器、PLC、DCS和现场总线技术）和执行器；第4篇为第10章，简要介绍现代检测技术及智能仪表。

本书介绍了大数据基础理论和Hadoop生态系统主流的大数据开发技术。全书共分9章，第1章介绍大数据的发展历程、概念和特点、关键技术和应用；第2章介绍Hadoop的起源、发展历程、特性、版本及应用；第3章介绍HDFS的概念、原理和应用；第4章介绍HBase的概念、原理和应用；第5章介绍Hive的概念、原理、架构和应用；第6章介绍分布式计算模型MapReduce的概念、工作流程和应用；第7章介绍Spark基本内容、Spark的生态系统及运行架构和Spark安装部署及编程实践；第8章介绍数据

本书作为 Hadoop 大数据技术的项目化实战教材，以任务驱动为导向，深入浅出地介绍了 Hadoop 及其周边框架的应用，涵盖了当前 Hadoop 生态系统中的主流大数据技术。全书共 12 个项目，包括云计算和大数据基础概论、CentOS 的安装与网络配置、MPI 集群部署及应用、Hadoop 集群部署及应用、MapReduce 基本原理及应用、HBase 数据库的搭建及使用、Hive 数据仓库的安装及应用、Pig 数据分析、Sqoop 数据迁移、Flume 日志收集系统、Spark 部署及数据

与传统生产线不同，智能生产线可以提供多维度信息，支持全设备监控，能够进行高精度管理并支持虚拟调试，这为更高效、更柔性的生产制造过程提供了可能，与此同时，也对管理理论和控制协调能力提出了更高要求。管理者需要从生产线设计、调度和管理等方面增强产线重构能力，充分发挥智能生产线的效能空间。针对当前智能生产线设计缺乏设计重构能力、生产线I艺流程非标准化、制造单元布局及流程不合理、任务分配系统和车间生产线响应速度慢、物流调度性能欠缺和仓储补货难以降本增效等问题，本书以智能生产线为背景，从工艺流程重

成本低、重量轻、体积小、电池续航时间长、内嵌多种传感器、计算能力强等特征，标志着当前移动计算设备的硬件能力已经发展到足以满足人类日常生活需求的水平。当这些高度集成的计算系统以可穿戴的形式捕捉、存储、理解甚至响应人们日常生活中的行为时，无疑赋予人类在记忆、挖掘、信息交互等方面的“超能力”，并必将改变人类的日常生活。然而，为达到这一目标，必须再赋予可穿戴式计算像人一样进行语义理解的“软能力”。这就需要充分应用当前人工智能算法、语义网、大数据等技术对可穿戴式设备所采集的多媒体数据进行深度理解，以一种便