本書分為理論篇、工具篇和實訓篇。理論篇主要介紹數(shù)據(jù)挖掘的基礎知識、基本任務和常用方法，側重培養(yǎng)學生對于數(shù)據(jù)挖掘基本概念等理論知識的正確理解；工具篇主要介紹PMT這一的數(shù)據(jù)挖掘工具，通過功能簡介、分類預測認知實驗等內容，側重培養(yǎng)學生對于數(shù)據(jù)挖掘基本操作的準確認知；實訓篇主要介紹了七個來自實際企業(yè)需求的大數(shù)據(jù)挖掘案例，側重

本書系統(tǒng)介紹了Hadoop生態(tài)系統(tǒng)的核心開發(fā)技術，包括：Hadoop大數(shù)據(jù)技術概述、Hadoop開發(fā)及運行環(huán)境搭建、HDFS分布式文件系統(tǒng)、MapReduce分布式計算技術框架、Hadoop的文件I/O以及YARN資源管理器、Zookeeper分布式協(xié)調服務、Hadoop分布式集群搭建與管理、Hive數(shù)據(jù)倉庫和HBas

本書針對愿意加入大數(shù)據(jù)行業(yè)的初學者量身定做，以簡練風趣的語言介紹了大數(shù)據(jù)程核心技術及相關案例。內容包括了數(shù)據(jù)的基本概念、Hadoop的安裝與配置、HDFS、基于Hadoop3的HDFS高可用、Zookeeper、MapReduce、YARN、Sqoop、KafKa、Redis，每個知識點配有可運行的案例，同時結合企業(yè)實

本書從多個數(shù)據(jù)項目實例出發(fā)，介紹爬蟲、反爬蟲的各種案例，使讀者了解到數(shù)據(jù)抓取和分析的完整過程。書中案例的難度由淺入深，以作者原創(chuàng)的代碼為主，不借助現(xiàn)成的框架，強調在數(shù)據(jù)采集過程中的發(fā)散思維，總結攻克反爬蟲的思維模式，實現(xiàn)以低成本的方式得到想要的數(shù)據(jù)的愿望。最后，用一個“愛飛狗”的例子，為讀者展示如何從0到1地開發(fā)一個大

線性延遲反饋控制使非線性系統(tǒng)產生了非常復雜的行為，包括混沌和分岔，延遲產生的混沌具有理論上的無窮維，可能通過簡單的方法獲得超混沌吸引子。針對線性延遲反饋的混沌產生機理，包括局部分岔，全局分岔，拓撲馬蹄等一系列問題進行了較為深入的分析，同時對混沌的應用，如通信應用，加密應用和壓實機械中的應用都進行了深入的研究，這些研究成

隨著計算機和互聯(lián)網技術的飛速發(fā)展和廣泛普及，互聯(lián)網已經成為人類獲取知識的最大平臺。在爬取了Web網頁語料后，需要通過數(shù)據(jù)預處理和數(shù)據(jù)分析來獲取數(shù)據(jù)的價值，從而造福人類，推動社會發(fā)展。本書主要是Web大數(shù)據(jù)預處理和數(shù)據(jù)分析的實戰(zhàn)指南，內容包括三部分：基礎知識、基于Python的數(shù)據(jù)預處理、基于Python的數(shù)據(jù)分析

決策問題中存在大量的冗余信息，而且很多信息都具有不確定性，面對這些雜亂無章的海量數(shù)據(jù)，決策者需花費大量時間分析，以至于可能錯失決策良機，因此研究具有不確定性的決策問題中冗余信息約簡是決策者亟待解決的關鍵問題。目前軟集合方法能夠較好地處理不確定決策問題，但軟集合約簡方法目前還不完善，致使對海量數(shù)據(jù)很難做出決策。本書主要以

天津濱海迅騰科技集團有限公司編著的《大數(shù)據(jù)高可用環(huán)境搭建與運維(企業(yè)級人才培養(yǎng)解決方案十三五規(guī)劃教材)》主要涉及11個項目，即大數(shù)據(jù)分布式集群、分布式集群基礎配置、ZooKeeper分布式協(xié)調系統(tǒng)、Hadoop高可用、Hive分布式數(shù)據(jù)倉庫工具、HBase分布式數(shù)據(jù)庫、大數(shù)據(jù)協(xié)作框架、Linux自動化部署、Ambari

本書將大數(shù)據(jù)技術生態(tài)圈主流技術框架的應用與發(fā)展、搭建Hadoop大數(shù)據(jù)分布式系統(tǒng)集群平臺、大數(shù)據(jù)分布式文件系統(tǒng)HDFS（HadoopDistributedFileSystem）、大數(shù)據(jù)分布式并行計算框架MapReduce、大數(shù)據(jù)汽車銷售數(shù)據(jù)統(tǒng)計分析項目5大模塊分為11章內容進行闡述。具體分布情況如下：第1章是大數(shù)據(jù)概論

本書采用理論與實踐相結合的方式，全面介紹了Hadoop大數(shù)據(jù)技術。主要內容包括初識Hadoop大數(shù)據(jù)技術、Hadoop環(huán)境配置，分布式文件系統(tǒng)HDFS、資源調度框架YARN、分布式計算框架MapReduce、大數(shù)據(jù)數(shù)據(jù)倉庫Hive、分布式數(shù)據(jù)庫HBase、查詢大型半結構化數(shù)據(jù)集的語言Pig、分布式日志采集工具Flume