本教材力求加深学生在大数据的处理上的理解和把握，通过相关的事例让学生对各知识点先了解，再理解，最后逐步掌握，整个过程融“教、学、练”于一体，加强学生实践动手能力、独立思考问题和解决问题的能力，达到正确灵活地利用操作系统各知识点来解决相关问题的目标，以理论和实践相结合方式，让学生们了解并掌握大数据的思维方式、基础知识和基

本书主要介绍作者近20年的科研成果，包括递归TLS算法、近似逆幂迭代TLS算法、基于神经网络的MCA算法、基于神经网络的SVD算法、基于神经网络的TLS算法、非高斯噪声下的TLS算法、TLS算法的性能分析方法等。为了使读者更快地理解和掌握本书所提供的新方法，在介绍每一章的新方法之前，提供了一个专门的章节来回顾密切相关的

本书主要阐述多变量统计方法在工业过程监控与故障诊断领域的最近进展，尤其是在全系统过程监控、质量相关的时变系统过程监控、质量相关的动态系统过程监控、质量相关的复杂非线性系统过程监控、质量相关的故障子空间提取与故障诊断、非高斯分布的过程监控与故障诊断等方面作者们近年来取得的最新成果。为了使读者对新提出的方法有更好地理解和掌

本教材主要讲解控制理论中的一些热点问题以及解决思路，主要包括数学基础、线性动态系统、通信参量的建模、反馈系统的稳定性和性能、镇定控制器的参数化、H2最优控制、H∞控制等内容。其中，多变量系统的网络化系统的控制与优化目前属于数学和自动化领域的热门和新兴学科，国内外几乎没有相应的教材。通过本书的学习，能够激发读者对于网络化

本书共有六章，第一章为大数据治理概述；第二章为大数据治理的实施；第三章为大数据质量管理；第四章为大数据隐私与数据保护；第五章为大数据安全管理体系与风险评估；第六章为大数据全生命周期安全管理。

本书以19个真实工作过程为载体构建教学任务,涵盖组态软件入门、简单动画组态、复杂动画组态、工程实战训练四大模块,每个任务包含学习目标、相关知识、任务描述、任务实施、任务拓展等环节,符合高职学生认知规律。

本书在对非平稳数据处理的指数修匀方法、混合自动回归移动平均模型()(包括自回归序列模型()和滑动平均序列模型())、自回归综合移动模型()(包括ARIMA的乘积模型)、卡尔曼滤波(Kalmanfilter)及组合模型等大数据处理方法研究的基础上，针对非平稳大数据模型构建、算法和预测进行研究，建立一种能够对数据进行趋势和

本书讲述了数据预处理的方法，从Python的文件读取、statistics模块数据处理，到通过NumPy、Pandas进行数据获取、处理、清洗，再到特征构建、特征选择、特征降维、特征学习，最后完成一个综合项目的数据处理及分析。

大数据技术的落地应用高度依赖高效的数据集成能力。Sqoop、DataX、Flume、FlinkCDC等工具作为连接关系型数据库与分布式存储系统的桥梁，是大数据开发工程师的核心技能栈。本书以场景化实训为导向，系统介绍Sqoop、DataX、Flume、FlinkCDC的原理与应用方法，帮助读者掌握从数据采集、传输到存储的

本书内容涵盖数据科学、大数据和数据智能的基础知识，围绕数据科学的工作流程，详细介绍了从数据中获取知识的方法和技术，包括数据采集、数据整理与探索、数据可视化和数据建模预测等。本书介绍了基于人工智能技术实现文本、图像、语音、序列等多模态数据分析的方法，引入了大模型辅助数据分析、数据智能体等新技术。全书设计收集了多个数据应用