随着时代的发展和信息技术的进步，信息技术已经是社会发展的动力之一，尤其是大数据技术对社会的发展起到促进作用。在人们的生活、生产中，大数据的应用能够给人们带来便利性，同时在大数据中也会存储人们的个人信息。随着科技的发展和进步，我们逐渐进入大数据时代。本书首先对大数据相关概念和应用问题进行了简述，进而论述了大数据的异化分析；然后介绍了大数据的影响因素，以及云计算技术与算法分析；最后介绍了大数据在不同方面的应用。 大数据具有规模大、种类多、生成速度快、价值巨大但密度低的特点。大数据应用就是利用数

Spark数据处理引擎是一个惊人的分析工厂：输入原始数据，输出洞察。PySpark用基于Python的API封装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，并使这个强大的工具可供任何在Python数据生态系统中工作的人使用。 《Python和PySpark数据分析》帮助你使用PySpark解决数据科学的日常挑战。你将学习如何跨多台机器扩展处理能力，同时从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，就可以通过构建机器学习管道，

本书从理论上论述非线性系统的全局能控性.主要介绍平面仿射非线性系统和几类特殊的高维非线性系统的全局能控性判据,以及几类多项式系统全局能控性的判别算法.另外,本书也对平面仿射非线性系统的全局渐近能控性及全局镇定性做一点讨论.

本书共分七个项目，主要内容包括：工业机器人的概念和结构、工业机器人机械设计、机器人编程与软件、工业机器人基本操作、工业机器人坐标系数据设置与校准、工业机器人搬运编程与操作、工业机器人码垛编程与操作。

信息集成是智能制造领域的重要技术之一。本书介绍了制造系统信息集成的关键技术以及相关标准、自动化生产系统中的信息集成、面向产品生命周期的信息集成、企业内部的纵向信息集成、企业与外部的信息集成以及信息集成与数字孪生等内容，并结合具体案例，使学生在掌握典型制造系统信息集成技术知识的同时，培养学生对相关技术应用的意识、理念和思维方式。本书可用于机械类专业本科生的智能制造专业教材，以及相关专业（如机械、工业工程、自动化、计算机、仪器仪表、管理科学与工程等）的学生选修智能制造课程。

鲁棒预测控制是在预测控制的基础上考虑到实际系统存在着模型不精确或者参数时变、未知扰动等各种不确定性而发展起来的先进控制技术。如何在鲁棒预测控制的基础上有效处理时变时滞对系统的影响成为工业过程控制亟待解决的问题。本书针对具有时变时滞的工业过程可能存在参数时变、强干扰、执行器故障、非线性、多阶段切换、时变跟踪轨迹等问题，重点介绍了基于鲁棒预测控制思想以解决这些问题的先进技术和方法。其主要内容为作者和所在团队的项目经验及科研成果，包括线性控制、容错控制、非线性控制和切换控制等相关内容。

本书分为三篇。第1篇是多智能体机器人系统的基础(第1-3章)，介绍多智能体系统的概念、必要的控制原理和数理知识。第2篇是多智能体机器人系统的控制(第4-5章)，分别针对一阶和二阶多智能体系统进行了各种情况下的一致性和编队控制与验证。第3篇是多智能体机器人系统的应用(第6-8章)，分别针对多无人车系统、多无人机系统以及由它们组成的异构多智能体系统，讲述了在各种情况下的一致性控制、编队控制和最优控制等的实验与应用。

本书采用项目形式编写，内容紧密联系相关专业的工程实际，将知识点贯穿于项目中，遵循从简单到复杂循序渐进的教学规律，注重工程实践能力的提高，重点突出对学生职业技能及职业素质的培养，力求全面、翔实、通俗，主要针对高等院校机电类相关专业编写。全书按照项目描述、项目分解、学习目标、项目展现、项目小结、知识扩展、习题与思考七个方面的内容来设计，将知识点的学习直接嵌入项目中，以项目为载体，实现教学目标，做到理论与实际无缝对接。按照由简单到复杂，由理论到实践，依照学生的认知规律安排教材内容，教学内容贴

本书首先简要介绍了最先进的人机交互控制和强化学习, 然后再描述典型的环境模型, 以及一些最著名的参数估计识别技术及先进和前沿的主题。本书假设读者熟悉使用经典和高级控制器的人机交互控制和一些应用, 进一步开发系统识别、基于模型和无模型人机交互控制器的系统分析。

本书的编写目的是向读者介绍大数据治理与安全的基本概念和相应的技术应用。本书共9章，内容分别为数据治理概述、数据采集与数据道德、数据质量与数据管理、数据交换与数据集成、数据库设计与治理、架构设计与治理、数据仓库设计与治理、大数据安全与治理及综合实训。本书将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据治理的相关技术，并对书中重要的、核心的知识点加大练习的比例，以达到帮助读者熟练应用的目的。

本书可作为高等院校大数据专业、人工智能专业、软件技术专业、云计算专业、计算机