本书基于全球数据资产化趋势与中国本土实践，系统探讨了数据从“资源”向“资产”转化过程中面临的评估对象不明确、传统方法适配性不足及制度接口缺失等核心问题，重构了数据资产的理论界定、生命周期模型与价值演化逻辑，建立了一套科学的评估认知框架，并深入分析了数据质量、成本、风险等多重价值影响机制。同时，创新构建了融合成本法、收益

本书从大数据基础讲起，逐步深入到大数据的采集、预处理、存储、处理、挖掘、分析与可视化等各个环节。通过详细讲解Hadoop、Spark等主流大数据处理平台，以及文本挖掘、语音与图像数据挖掘、空间与Web数据挖掘等高级技术，本书为学生提供了详细的指导。

全书重点讲述了大数据与人工智能的概念、数据工程、人工智能、大数据处理、深度学习和Hadoop架构等相关内容。本书的创新之处以当前行业最新发展需求为背景，介绍前沿理论和方法；加强大数据与人工智能的内在联系，使之成为一个有机整体；以方法+理论+案例的形式设计课程内容。本书的创新之处以当前行业最新发展需求为背景，介绍前沿理论

本书分为四个部分，第一部分讨论数据科学的基础，明确数据科学的跨学科特性，并提出伦理方面的考量框架。第二部分讨论数据科学的应用，通过六个例子引出分析准则，讨论分析准则的应用以及数据科学的跨领域应用。第三部分讨论数据科学应用方面的挑战，包括数据处理、模型的构建与部署、可靠性、可理解性、设定正确的目标、容忍失败，以及伦理、法

本教材以理论和实践相结合的方式，介绍了大数据基本认知与相关概念、Python基础知识与数据分析方法，为深入应用大数据技术奠定基础。本书共包括九个项目：大数据认知、Python基础、大数据采集、大数据清洗与预处理、大数据存储与管理、大数据挖掘、大数据可视化、大数据安全与隐私保护、大数据技术综合应用。各项目均配备典型例题，

大数据架构与技术是计算机科学的重要分支领域。本书概述了大数据的定义、特征和处理流程，详细阐述了大数据技术的发展情况、应用场景；还深入剖析了大数据硬件环境、操作系统、平台架构等基础知识，系统讲解了大数据获取与采集、预处理与质控、存储与管理、计算与分析等关键技术以及可视化技术；最后列举了大量的大数据应用案例，涵盖了文本分析

本书系统融合了数学理论与编程实践，旨在帮助读者全面掌握数据科学领域中数值计算的重要方法。全书共7章，内容涵盖泰勒级数、数值微分与积分、矩阵运算与线性方程组、矩阵分解、数值优化以及最小二乘回归等主题。每一章均从基础数学原理出发，循序渐进地讲解相关算法的推导过程。本书注重理论与实践的结合，配备了丰富的Python示例代码，

本书共9个项目，主要内容包含：Linux环境搭建与准备、Hadoop安装与配置、相关Hadoop生态圈组件的安装与配置、Spark安装与配置、Spark开发之Scala编程基础、Spark核心编程、SparkSQL、SparkStreaming和案例实践——广告点击实时分析。

本书系统地介绍了国际控制界应用最广的MATLAB语言及其在控制教学与研究中的应用，侧重于介绍MATLAB语言编程基础与技巧、科学运算问题的MATLAB求解、线性系统的建模和计算机辅助分析、非线性系统的仿真分析、控制系统的计算机辅助设计方法等，包括串联控制器、状态反馈控制器、多变量系统频域设计、PID控制器设计、QFT控

本书共7章，内容涵盖大数据基础与应用概况、数据获取、数据分析入门、数据分析进阶、Tableau数据可视化、数据分析拓展以及数据思维。