本书系统介绍了 Hadoop 生态系统主要组件的基本概念、特点、主要组成、运行机制及存在的问题等内
容。全书共 11 章，内容包含大数据基本概念、大数据处理平台 Hadoop、分布式文件系统 HDFS、HDFS 2.0
新特性、分布式计算框架 MapReduce、数据仓库 Hive、分布式数据库 HBase、数据迁移工具 Sqoop、日志采
集系统 Flume、NoSQL 数据库及数据可视化等内容。每一部分都有相应的实验指导，以便读者更好地学习和
掌握 Hadoop 核心

本书由微信公众号“狗熊会”（ID: CluBear）创始人王汉生教授（熊大）及其核心团队联合创作完成。本书可以被看作商业分析领域入门级通俗且有趣的读物，深入浅出，雅俗共赏，适合数据分析师、工程师、产品经理、销售人员、商务拓展人员以及数据企业高管阅读。
本书主要由六章组成。第一章介绍了熊大朴素的数据价值观，解读数据与价值的逻辑关系；第二章介绍了最基本的数据可视化方法（统计图表）的规范与有趣应用；第三章介绍了回归分析，通过精彩案例展示了如何将一个业务问题定义成一个数据可分析问题；第四章介绍了

本书以数据要素化治理的理论方法与工程实践为主线，内容按照概念篇、原理篇和工程篇依次展开。概念篇在对数据、数据要素相关概念及其演进过程进行系统梳理的基础上，首次对“数据要素”“数据要素化”进行了明确定义，并基于传统生产要素市场化配置规律，提出数据要素化治理的基本思路。在原理篇，定义了数据元件作为连接数据供需两端的“中间态”和数据要素交易流通的标的物，进而构建基于数据元件的数据要素流通模型、数据要素化安全模型以及数据要素化治理系统模型。在工程篇，详细阐述了制度体系、技术体系和市场体系“三位一体”的解

本书正文共14章, 另有附录。其中正文可分为3大部分, 第1部分 (第1-3章) 会通过案例对数据产品做出完备清晰的定义, 并给出数据产品经理所需的能力维度; 第2部分 (第4-11章) 会通过8个翔实的案例, 分享作者对不同场景、功能的数据产品从规划设计到落地运营中的观察与思考, 并期望读者通过案例体会、培养数据产品经理的多种能力; 第3部分 (第12-14章) 会讨论数据产品经理的岗位选择, 在当前环境下工作的现状, 以及这个岗位的未来发展趋势。最后附录部分会对照数据产品经理所需的

本书由浅入深地介绍了如何快速搭建Airflow集群，包括不同操作系统的快速搭建方法、Airflow的安装方法、Airflow集群的部署方法、Airflow中的核心概念和其他重要概念、Airflow的架构和组件、Airflow的系统管理、实践经验以及其他常见的调度系统。附录提供了Docker和Kubernetes的简介。

本书包含伺服控制系统应用技术和变频器应用技术两部分内容，共6个项目，18个任务，每一个任务都由浅入深地安排了任务描述、基础知识、任务实施、拓展知识等教学环节。伺服控制系统应用部分介绍了机电设备常用的直流、交流等伺服控制技术，并以西门子系列交流伺服驱动为载体，对伺服电动机的控制操作做详细介绍，通过实践进一步加深对伺服理论的理解。变频器应用部分重点围绕西门子G120变频器进行介绍，通过具体的任务设计讲述变频器的组成原理、变频调速的特点、变频器的基本操作、速度控制等。最后是综合应用部分，精选工程实际案

《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》主要介绍了连续和离散时间域的两级反馈控制器设计算法，包括一般线性时不变动态系统的设计公式和代数方程，对双时间尺度线性时不变动态系统（奇异摄动系统）进行了简化和专门研究，对一般线性时不变动态系统的连续时间域三级反馈控制器设计也作了相应的介绍．《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》讨论了离散时间域三级三时间尺度系统线性反馈控制器以及四级四时间尺度线性反馈控制器设计．《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》

信息集成是智能制造领域的重要技术之一。本书介绍了制造系统信息集成的关键技术以及相关标准、自动化生产系统中的信息集成、面向产品生命周期的信息集成、企业内部的纵向信息集成、企业与外部的信息集成以及信息集成与数字孪生等内容，并结合具体案例，使学生在掌握典型制造系统信息集成技术知识的同时，培养学生对相关技术应用的意识、理念和思维方式。本书可用于机械类专业本科生的智能制造专业教材，以及相关专业（如机械、工业工程、自动化、计算机、仪器仪表、管理科学与工程等）的学生选修智能制造课程。

随着时代的发展和信息技术的进步，信息技术已经是社会发展的动力之一，尤其是大数据技术对社会的发展起到促进作用。在人们的生活、生产中，大数据的应用能够给人们带来便利性，同时在大数据中也会存储人们的个人信息。随着科技的发展和进步，我们逐渐进入大数据时代。本书首先对大数据相关概念和应用问题进行了简述，进而论述了大数据的异化分析；然后介绍了大数据的影响因素，以及云计算技术与算法分析；最后介绍了大数据在不同方面的应用。 大数据具有规模大、种类多、生成速度快、价值巨大但密度低的特点。大数据应用就是利用数

Spark数据处理引擎是一个惊人的分析工厂：输入原始数据，输出洞察。PySpark用基于Python的API封装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，并使这个强大的工具可供任何在Python数据生态系统中工作的人使用。 《Python和PySpark数据分析》帮助你使用PySpark解决数据科学的日常挑战。你将学习如何跨多台机器扩展处理能力，同时从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，就可以通过构建机器学习管道，