該書通過對數(shù)據(jù)庫和信息系統(tǒng)中的數(shù)據(jù)與信息質(zhì)量的現(xiàn)狀和未來發(fā)展進行充分、完整而全面的綜述,對組成數(shù)據(jù)與信息質(zhì)量研究核心的技術進行了深入探討,包括對象識別、數(shù)據(jù)集成、錯誤定位與糾正等,并在一個原創(chuàng)框架下對相關技術進行比較研究。該書除了將數(shù)據(jù)與信息質(zhì)量作為獨立研究領域進行系統(tǒng)描述,還包括了從其他領域借鑒的研究成果,如概率論、

本書采用項目驅(qū)動方式,從理論到實踐,由淺入深地設計了17個項目,包括認識大數(shù)據(jù)分析、Python數(shù)據(jù)分析工具、numpy數(shù)據(jù)分析和處理、Pandas數(shù)據(jù)分析和處理、Matplotlib數(shù)據(jù)分析可視化、基于HADOOP的數(shù)據(jù)分析和機器學習。

本書系統(tǒng)闡述了Pandas基礎知識、應用原理,以及應用流程和應用技巧等實戰(zhàn)知識。全書共分為5篇:第一篇為入門篇(第1和2章),第二篇為基礎篇(第3和4章),第三篇為基礎強化篇(第5-7章),第四篇為進階篇(第8-11章),第五篇為案例篇(第12章)。書中主要內(nèi)容包括Python簡介、NumPy基礎、Pandas入門、數(shù)

這是一本從實戰(zhàn)角度解讀如何進行智能數(shù)據(jù)分析及搭建智能數(shù)據(jù)分析平臺的工具書,目的是幫助讀者全面認識并在實際工作中靈活使用智能數(shù)據(jù)分析,同時構建可用的智能數(shù)據(jù)分析環(huán)境。本書不僅包含關于智能數(shù)據(jù)分析的基礎知識,還包含進行智能數(shù)據(jù)分析必備的方法、工具、案例,以及平臺的搭建方案。全書共分為8章。第1-2章在全面剖析了智能數(shù)據(jù)分析

《Offer來敲門大數(shù)據(jù)開發(fā)面試筆試精講在線真題實訓視頻版》圍繞大數(shù)據(jù)開發(fā)的相關技術，以大數(shù)據(jù)開發(fā)的基本要求為綱，以企業(yè)在筆試和面試中的試題為核心，從企業(yè)考核的角度組織內(nèi)容，并對這些試題加上了詳細的分析說明，以考促學�！禣ffer來敲門大數(shù)據(jù)開發(fā)面試筆試精講在線真題實訓視頻版》既包括Java、Python等基礎編程知識

本教材基于數(shù)據(jù)技術概念的提出，建立由數(shù)據(jù)生成、數(shù)據(jù)組織管理與數(shù)據(jù)信息汲取三個模塊構成的數(shù)據(jù)技術應用全流程體系框架。通過對計算機信息系統(tǒng)、抽樣技術與數(shù)據(jù)庫系統(tǒng)等基礎技術原理的概念化解讀，以及對網(wǎng)絡爬蟲與文本數(shù)據(jù)生成、SQL語言、數(shù)據(jù)預處理、回歸模型、Logistic建模、關聯(lián)規(guī)則、決策樹分類規(guī)則、K-平均聚類、神經(jīng)網(wǎng)絡、

本教材較系統(tǒng)地介紹傳感器的原理及其應用，包括傳感器的特性及其評估；傳感器中常用的彈性敏感元件的力學特性；電位器式傳感器；應變式傳感器；壓阻式傳感器；熱電式傳感器；電容式傳感器；變磁路式傳感器；壓電式傳感器；諧振式傳感器；聲表面波傳感器；光纖傳感器；微機械傳感器以及智能化傳感器等。本教材在每一章都配有適量的思考題與習題，

本書主要內(nèi)容包括大數(shù)據(jù)概論、初識Hadoop、Linux基礎、Hadoop集群搭建、HDFS分布式文件系統(tǒng)、MapReduce分布式計算框架、以及項目實戰(zhàn)--美國新冠疫情covid-19分析。 本書將理論與實踐結合，補充相關Linux基礎，注重大數(shù)據(jù)技術的系統(tǒng)性、實用性和先進性，配有大量的應用案例，不僅能夠幫助提高大

本書系統(tǒng)介紹了大數(shù)據(jù)技術與管理決策的基礎知識。內(nèi)容包括大數(shù)據(jù)決策的流程及方法、大數(shù)據(jù)處理的基礎架構、大數(shù)據(jù)存儲與管理、大數(shù)據(jù)的采集與預處理、大數(shù)據(jù)處理的計算架構、大數(shù)據(jù)分析與建模、大數(shù)據(jù)可視化、大數(shù)據(jù)治理、大數(shù)據(jù)在管理決策中的綜合應用、大數(shù)據(jù)應用倫理與法律問題、大數(shù)據(jù)管理決策的挑戰(zhàn)與趨勢等，能夠幫助讀者學習、了解大數(shù)據(jù)

本書以大數(shù)據(jù)分析的相關理論和方法為主線，首先介紹了大數(shù)據(jù)分析所需的預備知識和常用的降維方法，然后介紹了數(shù)據(jù)挖掘、時間序列分析、人工神經(jīng)網(wǎng)絡等大數(shù)據(jù)分析方法，最后介紹了大數(shù)據(jù)分析和大數(shù)據(jù)可視化的常用工具，并講解了其相應的操作。 本書既可以作為高等院校和高職院校數(shù)據(jù)科學與大數(shù)據(jù)、大數(shù)據(jù)管理與應用、軟件工程及相關專業(yè)的教材，