本書在介紹測量誤差理論、測量系統(tǒng)特性及系統(tǒng)可靠性基本知識(shí)的基礎(chǔ)上，系統(tǒng)地闡述了溫度、壓力、流量、液位、成分分析等過程參數(shù)以及運(yùn)動(dòng)控制系統(tǒng)中的位置、速度（轉(zhuǎn)速）、轉(zhuǎn)矩及功率測量等參數(shù)的檢測原理、測量方法、測量系統(tǒng)構(gòu)成及測量誤差分析，同時(shí)還注意介紹各種測量裝置的安裝使用條件，以保證檢測系統(tǒng)的測量精度。本書可作為高等院校自動(dòng)

伴隨人類社會(huì)數(shù)字化進(jìn)程的深入，數(shù)據(jù)正不斷滲透于日常的生活、生產(chǎn)、分配、流通、消費(fèi)等各個(gè)環(huán)節(jié)，對(duì)人類社會(huì)的影響日益凸顯。數(shù)據(jù)已成為繼土地、勞動(dòng)力、資本、技術(shù)之后的第五大生產(chǎn)要素，對(duì)其他生產(chǎn)要素的整合能力也使其成為既有要素中最重要的和最難替代的關(guān)鍵要素，并成為值得重點(diǎn)討論的時(shí)代性議題與理解數(shù)字時(shí)代的基本入手點(diǎn)。 對(duì)數(shù)據(jù)要素

信息時(shí)代，大數(shù)據(jù)的應(yīng)用無處不在。手機(jī)中“淘寶”“抖音”的商品推送、短視頻內(nèi)容推送背后，是大數(shù)據(jù)用戶畫像及推薦算法；道路上的“一路綠燈”背后，是智能交通——交通管理部門分析、調(diào)整交通情況；新冠肺炎疫情不漏一人的流調(diào)背后，是智慧“戰(zhàn)疫”——有關(guān)部門以“大數(shù)據(jù)+網(wǎng)格化”的方式識(shí)別和挖掘目標(biāo)人群遷徙軌跡；智慧電廠“一鍵啟停、無

近年來，基礎(chǔ)軟件的發(fā)展越來越受到重視，越來越多的計(jì)算機(jī)從業(yè)者對(duì)數(shù)據(jù)管理系統(tǒng)和大數(shù)據(jù)的知識(shí)產(chǎn)生了強(qiáng)烈的需求。 本書既介紹了數(shù)據(jù)管理系統(tǒng)的技術(shù)發(fā)展史，又介紹了數(shù)據(jù)管理系統(tǒng)的關(guān)鍵技術(shù)內(nèi)涵，同時(shí)還介紹了一系列主流的商業(yè)化產(chǎn)品及其架構(gòu)，并對(duì)前沿技術(shù)進(jìn)行了討論分析，給出作者自己的見解和洞察。本書內(nèi)容主要包括數(shù)據(jù)庫與大數(shù)據(jù)的誕生、

本書以項(xiàng)目案例為導(dǎo)向，貫穿講解一個(gè)大數(shù)據(jù)的實(shí)戰(zhàn)項(xiàng)目：廣電大數(shù)據(jù)用戶畫像。全書共8章，具體內(nèi)容包括大數(shù)據(jù)項(xiàng)目概述、Hadoop生態(tài)組件基礎(chǔ)、廣電大數(shù)據(jù)用戶畫像需求分析、廣電大數(shù)據(jù)用戶畫像數(shù)據(jù)采集與預(yù)處理、廣電大數(shù)據(jù)用戶畫像實(shí)時(shí)統(tǒng)計(jì)訂單信息、廣電大數(shù)據(jù)用戶畫像用戶標(biāo)簽計(jì)算與可視化、廣電大數(shù)據(jù)用戶畫像任務(wù)調(diào)度實(shí)現(xiàn)、基于Tip

本書主要講解Hadoop的分布式文件系統(tǒng)、MapReduce編程模型和Spark大數(shù)據(jù)處理技術(shù)。全書共12章,具體包括大數(shù)據(jù)概述、Hadoop大數(shù)據(jù)處理架構(gòu)、HDFS分布式文件系統(tǒng)、MapReduce分布式計(jì)算框架、HBase分布式數(shù)據(jù)庫、Spark概述、基于Scala的Spark編程、Windows環(huán)境下Spark綜

本教材基于數(shù)據(jù)技術(shù)概念的提出，建立由數(shù)據(jù)生成、數(shù)據(jù)組織管理與數(shù)據(jù)信息汲取三個(gè)模塊構(gòu)成的數(shù)據(jù)技術(shù)應(yīng)用全流程體系框架。通過對(duì)計(jì)算機(jī)信息系統(tǒng)、抽樣技術(shù)與數(shù)據(jù)庫系統(tǒng)等基礎(chǔ)技術(shù)原理的概念化解讀，以及對(duì)網(wǎng)絡(luò)爬蟲與文本數(shù)據(jù)生成、SQL語言、數(shù)據(jù)預(yù)處理、回歸模型、Logistic建模、關(guān)聯(lián)規(guī)則、決策樹分類規(guī)則、K-平均聚類、神經(jīng)網(wǎng)絡(luò)、

本書以任務(wù)為導(dǎo)向，較為全面地介紹Hadoop大數(shù)據(jù)技術(shù)及其生態(tài)系統(tǒng)組件Hive、HBase的相關(guān)知識(shí)。全書共8章，具體內(nèi)容包括Hadoop介紹、Hadoop集群的搭建及配置、Hadoop基礎(chǔ)操作、MapReduce入門編程、MapReduce進(jìn)階編程、Hive數(shù)據(jù)倉庫、HBase分布式數(shù)據(jù)庫，以及一個(gè)項(xiàng)目案例（電影網(wǎng)站

數(shù)據(jù)是非常重要的資產(chǎn)，是“數(shù)字經(jīng)濟(jì)”時(shí)代的核心生產(chǎn)要素。本書主要面向財(cái)經(jīng)類等非大數(shù)據(jù)技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)等專業(yè)的學(xué)生，旨在培養(yǎng)學(xué)生大數(shù)據(jù)處理能力。本書重點(diǎn)講解MySQL數(shù)據(jù)庫基礎(chǔ)、Python程序基礎(chǔ)、浪潮可視化大數(shù)據(jù)三大核心內(nèi)容，根據(jù)崗位典型工作任務(wù)，MySQL數(shù)據(jù)庫重點(diǎn)講解庫表操作、結(jié)構(gòu)化查詢部分，Python重

本書使用大數(shù)據(jù)存儲(chǔ)技術(shù)常用工具與真實(shí)案例相結(jié)合的方式，以項(xiàng)目任務(wù)式為導(dǎo)向，較為全面地介紹了大數(shù)據(jù)存儲(chǔ)工具的相關(guān)知識(shí)。全書共7個(gè)項(xiàng)目，內(nèi)容包括了解大數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)倉庫——Hive、列存儲(chǔ)數(shù)據(jù)庫——HBase、文檔存儲(chǔ)數(shù)據(jù)庫——MongoDB、文檔存儲(chǔ)數(shù)據(jù)庫——ElasticSearch、數(shù)據(jù)傳輸工具——Sqoop，以及