本书着重介绍大数据建模与分析中常用的概率极限理论，主要内容包括相依随机变量和过程的极限理论、Stein方法及其应用、自正则化极限理论、高维样本协方差矩阵的谱统计量渐近分布理论、随机梯度方法及其应用、随机复杂网络的整体和局部结构、分布式统计推断方法和渐近理论、Gauss逼近原理及其应用等。

本书共分为8章,每一章都围绕完整的项目展开,涵盖Spark的各个重要组件。包括认识Spark、Scala语法应用、SparkCore数据分析、SparkSQL结构化数据处理、Spark、流式数据处理,Spark结构化流式处理、Spark机器学习应用、社交软件运营数据分析,逐步提升读者的技术水平和应用能力。每个项目由多个

本书精心编排为15章,内容包括Spark简介、Spark集群环境部署、Spark编程体验、RDD深度解读、RDD的Shuffle详解、Spark共享变量、Spark序列化和线程安全、Spark内存管理机制、SparkSQL简介、SparkSQL抽象编程详解、SparkSQL自定义函数、SparkSQL源码解读、Spar

本书提供了完整的数据资产对内运营与对外运营的实施路径，从数据治理、数据资产入表到数据资产场景化应用，再到完整的数据资产运营，每个环节都有明确的实施路径及重点、难点。通过系统化的讲解，确保读者在理解每个概念的同时，能够掌握如何落地实施，避免出现知识断层的情况。 数据资产入表、管理和运营的核心是数据资产本身，法律、财务、评

知识图谱以三元组形式组织现实世界的各种事实，并通过图的形式揭示事实间语义关联，由于其完善的知识组织和存储方式，且建模更加灵活、表达能力更强，逐渐拓展到语言理解、智能问答、推荐系统等领域应用。工程应用场景中时序信息相关的动态性是知识图谱关键及主要特征，融合时序相关信息的动态知识推理对于提高知识图谱推荐、问答等应用的精准性

本书根据作者多年的实践和教学经验，从学生的实际需求出发，以实用够用为出发点，精心挑选了工作和学习中经常用到的案例，并将知识点融入到案例中，让学生边学边做就可以掌握知识点。此外，本书还介绍了许多实用技巧，让学生可以活学活用、举一反三。同时，为方便翻转课堂教学模式的实施并使学生在线上和线下都能很好地学习，本书教研团队还精心

本书紧密围绕人工智能的应用场景，介绍了图像数据的爬虫采集、公开数据集的获取、图像数据的预处理方法以及面向不同深度学习模型的图像标注方法；在自然语言处理领域，介绍了文本数据的分布式爬虫采集、公开数据集的获取、文本清洗以及常见的文本标注技术；在语音处理技术领域，介绍了语音数据的采集方法与预处理技术，并介绍了利用常用标注工具

本书系统地介绍科学研究与工程应用领域使用广泛的MATLAB语言,全面介绍其基本编程方法,包括数据结构、语句结构、流程控制、函数编写、图形绘制与面向对象编程技术等,并介绍MATLAB语言在微积分、线性代数、代数方程、微分方程、最优化与数据处理领域的问题求解方法;本书还介绍基于Simulink的系统建模与仿真方法。

大数据技术的落地依赖“工具链掌握+场景化应用”的双重能力。从Python爬虫、Hive数据分析到Flink实时计算、数仓架构设计，技能点的综合应用能力已成为企业招聘的核心标准。本书以“真实项目驱动实训”为核心思路，精选4个典型实训项目构建阶梯式训练体系，涵盖离线处理、实时计算、数仓设计等核心场景，强化工程思维；整合Py

本书分为四篇，覆盖了数据治理项目的各个方面。建设篇：阐述了数据治理的价值与意义，并详细介绍了数据治理项目的准备工作以及建设流程，为组织提供了数据治理项目实施的框架和方法论。场景篇：深入探讨了主数据管理、数据质量管理、数据标准管理、数据共享与交换、数据资产管理、数据应用等典型应用场景，并分析了这些场景中需解决的问题和实践