作为一名有抱负的数据科学家，你理解为什么组织机构的重要决策都依赖于数据——无论是设计网站的公司、决定如何改善服务的城市，还是致力于阻止疾病传播的科学家。你需要具备将一堆杂乱的数据提炼成可操作的洞见所需的技能。我们称之为数据科学生命周期：收集、整理、分析数据并从中得出结论的过程。本书是第一本兼顾编程和统计学基础技能的书籍

本书分八个项目，内容包括：大数据概述、Hadoop部署与应用、Ambari安装与应用、HDFS项目开发与应用、MapReduce项目开发与应用等。

本书围绕全国职业技能大赛大数据技术与应用赛项的技能要点：大数据平台的搭建与运维、大数据的采集与存储、大数据的处理、数据的分析、数据的可视化等内容展开，详细讲述了Numpy数值分析、Pandas统计分析、基于Matplotlib的数据可视化、Hadoop平台及组件部署、Spark组件部署、python数据采集方法等内容，

本书针对目前大数据发展的方向，就数据获取领域介绍数据获取原理和技术而专门编写的教材。本选题在讲解理论的同时突出实践，在实践中理解爬虫的原理、爬虫库的使用，在讲解技术的同时辅以案例来帮助读者领会和掌握技术。本选题分为三大板块，分别是基础篇、实践篇和拓展篇。基础篇主要讲述了爬虫的基本原理、爬虫的基本配置以及爬虫相关库的使用

本书分为基础篇和技术篇两部分，在每部分的章节中贯穿课程思政，通过本书的学习，能够让读者在了解和掌握大数据的基本知识和基本技能的基础上，培养读者的家国情怀、工匠精神；同时，本书系统、全面地介绍大数据相关专业在“数据经济”政策引领下的学习指导。以“数字经济”的大数据驱动为出发点，一是介绍大数据的基础知识，包括大数据的概念及

近年来，多媒体技术的飞速发展，极大地促进了大数据数据的增长。人们对大数据的需求有着不同的应用，如大数据信息检索、识别与合成等。然而，在混合大数据中，相互干扰给大数据信息处理带来了巨大的障碍。如何从混合大数据中提取所需信号已成为一个重要的研究课题。因此，本书主要研究鲁棒主成分分析(RPCA)及其扩展模型的方法实现大数据分

本书着重分析了满足高阶内模规律、存在多重非严格重复问题的被控系统的学习控制律设计问题。基于λ范数，给出了一种P型迭代学习控制律设计的严格理论分析。在此基础上，针对逐步复杂的分析对象，设计了几种自适应迭代学习控制律。研究对象从单输入、单输出，扩展到多输入、多输出，从系统中存在高阶内模变化的未知参数且跟踪非严格重复变化的参

本书综合当前数据挖掘领域的最新研究成果，系统地介绍了数据挖掘的基础理论、技术原理、算法和应用，以使读者对数据挖掘有一个系统、全面的了解。本书主要介绍数据挖掘的基本概念和数据挖掘的过程；数据挖掘的主要技术、各类典型算法及其编程实现，包括数据存储、数据预处理技术、数据相似度与异常检测、关联规则挖掘技术、分类技术、聚类技术等

随着互联网和移动设备的普及，我们生产的数据越来越庞大，大数据的应用也逐渐成为了各行各业的趋势。特别是在决策分析领域，大数据的应用能够帮助我们更加准确、高效地做出决策，提高决策的成功率和效果。本书基于这一未来既定趋势，从大数据基本理论开始介绍，意在帮助各行各业的人能够认识大数据，理解大数据，意识到大数据给未来生产生活中带

本书分四章，第一章介绍如何搭建一个以R为中心的语料库研究和处理平台，包括如何安装和配置TreeTagger软件以及Perl和Python解释环境；第二章讲解R编程的基本方法；第三章介绍用编程方式实现语料库语言学的主要方法；第四章通过一些实例讲解如何综合运用这些方法，以实现更复杂的语料库研究需求。