复杂性是大数据区别于小数据的本质特性，也是当前大数据质量控制与数据治理面临的核心挑战。本书围绕大数据的复杂性开展研究，旨在探索当前数据资源建设与利用过程中面临的挑战和技术难题，促进数据价值的充分释放。

全书分为6部分，共24章。第1部分概述(第1、2章)，综述所研究数据控制技术的基本概念和任务定位，以及国内外的研究进展； 第2部分实体分辨技术(第3~13章)，研究了高维数据实体分辨、名称分辨、XML数据实体分辨和跨模态数据实体分辨等； 第3部分真值发现技术(第14~18章)，研究了

本书分为10章，其中第1~9章探讨了排序、推荐系统、聚类、线性回归等内容，每章都以一个具体的实际问题开始，其主要目的是激发对某一特定大数据分析技术的研究。接下来探讨其背后的数学原理——包括重要的定义、辅助陈述和得出的结论。案例研究有助于将所学知识应用于跨学科的环境中，包括对逐步任务的描述和有用的提示。每章之后都配有习题，作为自学中不可缺少的一部分，有助于提高对基础理论的理解。第10章提供了前9章的习题答案，以及Python代码中的算法描述作为补充材料。本书适合作为大数据分析、应用数学及相关专业的

本书以项目实践作为主线，结合必需的理论知识，以任务的形式进行内容设计，每个任务都包含任务描述及任务实施的步骤，读者按照实施步骤进行操作就可以完成相应的学习任务，从而不断提升项目实践能力。本书主要内容涉及Spark基本原理、基于IDEA搭建Spark开发环境、RDD基本原理、Spark SQL基本操作流程、电商业务系统的基本流程、电商用户行为分析的基本指标以及分析过程、通过不同的维度对销售数据进行分析、通过不同的维度对订单数据进行分析以及常用的可视化分析图表的应用场景等。 本书适合需要使用Spar

数据是人类共同的财富数据是现代科学研究的基石。在当今这个大数据的时代，如何强调数据的重要性似乎都不为过。随着互联网及其应用的普及，传统关系数据库越来越难以满足计算机应用对数据存储、访问和安全的需要，非关系数据库和新兴数据库应运而生。本书主要面向新一代数据库系统，详细介绍数据库发展史、数据库设计原则、NoSQL和NewSQL的基本原理与设计思想。本书选取了新一代数据库发展历程中具有代表性的数据库展开讲解，如键值数据库实例的Redis与DynamoDB、列族数据库的HBase与Cassandr

本书系统讲述Apache Spark/PySpark大数据计算平台的原理，以及如果将Apache PySpark应用于大数据的实时流处理、批处理等各个场景。通过原理深入学习和实践示例、案例的学习应用，使读者了解并掌握Apache Spark/PySpark的基本原理和技能，接近理论与实践的距离。
全书共分为8章，主要内容包括：Spark架构原理与集群搭建、开发和部署PySpark应用程序、PySpark核心编程、PySpark SQL、PySpark SQL高级分析、PySpark结构化流

"数据科学项目日益增多，每个项目在提出原型到生产的过程中都需要可靠的基础设施。使用《Effective数据科学基础设施》介绍的一些新技术和新工具，你将能建立一个适用于各类组织(无论是初创企业还是大型企业)的基础设施堆栈。 《Effective数据科学基础设施》可帮助你建立数据流程和项目工作流，为你开发项目带来强大动力。《Effective数据科学基础设施》呈现Netflix数据操作的**进工具和概念，并在此基础上介绍一种可定制的基于云的模型开发和MLOps方法，可轻松适应公司的特定需求。当

本书围绕数据正义理论展开。数据化并非仅是技术，实为一种政治经济体制，应优先考虑数据化带来的社会正义问题。数据正义要求找到应对资本主义危害的方式；数据化嵌入政府治理导致社会成员权力弱化，数据正义要求政府机构优先考虑以人为本、团结建设；数据正义概念必须是连接全球社会学，绝非仅是西方的；数据正义要解决数据化带来剥削、歧视、隐私侵害、监视、操纵、不公正等危害；数据化限制了公民的主体性，数据正义要求确保公民在政治参与方面的积极与自主；鉴于以知情同意为中心的监管框架存在缺陷，应从保障个人权利到承认集体

本书是“格致方法·商科研究方法译丛”中的一种，商科研究方法主要是帮助相关专业的研究生进行理论研究的教学参考书。数字方法在商科方法研究中经过许不断发展，形成了完备的体系。本书主要教学的是使用数字方法收集定性数据，即在定性研究中使用数字方法(包括跟踪和追踪)，帮助相关专业的硕士研究生完成其毕业论文。全书分六章，手把手地帮助学生找到该方法的关注点和使用技巧，突出步骤，并展示相关案例。

本书分为7个章节。第一章介绍大数据归约在数据预处理中的作用以及面临的技术挑战；第二章介绍多维大数据归约知识体系、业务领域本体和归约任务本体；第三章介绍大数据特征选择策略和评价准则，以及两阶段混合特征选择方法；第四章介绍大数据元组相似度度量和快速归约方法；第五章介绍了大数据数值归约基本方法和基于约束转变的数据立方体计算技术；第六章介绍了大数据归约效果评估指标及基于用户兴趣度的评估方法；第七章介绍了基于本体的大数据归约系统体系架构，以及归约工作流模式挖掘和优化等关键技术。

本书面向培养导航工程、机器人工程和人工智能复合型创新人才的需求，以移动机器人等无人系统为对象，系统讲述自主智能导航的概念内涵、技术框架和研究方法。全书内容主要包括机器人自主导航框架、环境语义感知、状态估计、同步定位与建图、视觉语义融合、导航规划与决策以及认知导航、多足机器人导航等方面的代表性技术和**研究成果。本书力求反映智能导航技术的**理论成果和应用案例，突出深度学习等AI技术在导航中的应用，并在各章节安排了相关工程实践教程。