決策問題中存在大量的冗余信息，而且很多信息都具有不確定性，面對這些雜亂無章的海量數(shù)據(jù)，決策者需花費大量時間分析，以至于可能錯失決策良機，因此研究具有不確定性的決策問題中冗余信息約簡是決策者亟待解決的關(guān)鍵問題。目前軟集合方法能夠較好地處理不確定決策問題，但軟集合約簡方法目前還不完善，致使對海量數(shù)據(jù)很難做出決策。本書主要以

天津濱海迅騰科技集團(tuán)有限公司編著的《大數(shù)據(jù)高可用環(huán)境搭建與運維(企業(yè)級人才培養(yǎng)解決方案十三五規(guī)劃教材)》主要涉及11個項目，即大數(shù)據(jù)分布式集群、分布式集群基礎(chǔ)配置、ZooKeeper分布式協(xié)調(diào)系統(tǒng)、Hadoop高可用、Hive分布式數(shù)據(jù)倉庫工具、HBase分布式數(shù)據(jù)庫、大數(shù)據(jù)協(xié)作框架、Linux自動化部署、Ambari

本書將大數(shù)據(jù)技術(shù)生態(tài)圈主流技術(shù)框架的應(yīng)用與發(fā)展、搭建Hadoop大數(shù)據(jù)分布式系統(tǒng)集群平臺、大數(shù)據(jù)分布式文件系統(tǒng)HDFS（HadoopDistributedFileSystem）、大數(shù)據(jù)分布式并行計算框架MapReduce、大數(shù)據(jù)汽車銷售數(shù)據(jù)統(tǒng)計分析項目5大模塊分為11章內(nèi)容進(jìn)行闡述。具體分布情況如下：第1章是大數(shù)據(jù)概論

本書采用理論與實踐相結(jié)合的方式，全面介紹了Hadoop大數(shù)據(jù)技術(shù)。主要內(nèi)容包括初識Hadoop大數(shù)據(jù)技術(shù)、Hadoop環(huán)境配置，分布式文件系統(tǒng)HDFS、資源調(diào)度框架YARN、分布式計算框架MapReduce、大數(shù)據(jù)數(shù)據(jù)倉庫Hive、分布式數(shù)據(jù)庫HBase、查詢大型半結(jié)構(gòu)化數(shù)據(jù)集的語言Pig、分布式日志采集工具Flume

“第1章認(rèn)識商務(wù)智能”，解釋了BI的相關(guān)概念及理論基礎(chǔ)；“第2章實施商務(wù)智能”，講述了BI項目的實施過程；“第3章分析商務(wù)智能案例”，展示了企業(yè)真實BI案例的實施細(xì)節(jié)、成果及價值所在；第4章至第6章為商務(wù)智能開發(fā)工具；“第7章商務(wù)智能的應(yīng)用與發(fā)展趨勢”，介紹了BI的應(yīng)用及未來發(fā)展趨勢。

本書從系統(tǒng)的角度出發(fā)，按照大數(shù)據(jù)處理流程的順序，全面介紹了大數(shù)據(jù)技術(shù)的基礎(chǔ)知識，提升讀者對大數(shù)據(jù)的認(rèn)知。全書分3個邏輯層次，共9章。 本書作為大數(shù)據(jù)技術(shù)的基礎(chǔ)教材，目的不在于讓讀者對具體的某個技術(shù)平臺細(xì)節(jié)有很深的理解，而是盡量讓讀者體會整個大數(shù)據(jù)處理的技術(shù)流程，使讀者能夠掌握大數(shù)據(jù)技術(shù)的整體框架，能夠在未來的學(xué)習(xí)和工作

本書的主要內(nèi)容是非線性自抗擾控制的設(shè)計與理論分析.自抗擾控制是一項在線估計并補償不確定性因素的控制技術(shù),由三個主要部分構(gòu)成,分別是跟蹤微分器、擴(kuò)張狀態(tài)觀測器以及基于前兩者的反饋控制器.本書較為詳細(xì)地論述了非線性跟蹤微分器、非線性擴(kuò)張狀態(tài)觀測器的設(shè)計與收斂性,以及基于跟蹤微分器與擴(kuò)張狀態(tài)觀測器的不確定性因素補償控制器——

本書共8章，全面和詳盡地介紹了數(shù)據(jù)產(chǎn)品經(jīng)理的日常工作、需要的基礎(chǔ)知識和常用的分析方法，也介紹了數(shù)據(jù)倉庫的理論與應(yīng)用，以及大數(shù)據(jù)分析平臺、用戶行為分析平臺、AB實驗平臺等數(shù)據(jù)產(chǎn)品的建設(shè)，最后介紹了數(shù)據(jù)產(chǎn)品在各個業(yè)務(wù)領(lǐng)域中的應(yīng)用。從基礎(chǔ)知識到項目進(jìn)階，本書內(nèi)容充分結(jié)合業(yè)務(wù)實踐，剝開數(shù)據(jù)產(chǎn)品經(jīng)理的神秘面紗。本書講解了數(shù)據(jù)產(chǎn)品

本書詳細(xì)介紹了大數(shù)據(jù)挖掘技術(shù)，全書分為3篇，共12章。第1篇為大數(shù)據(jù)分析基礎(chǔ)，包括第1~4章，分別為大數(shù)據(jù)概述、大數(shù)據(jù)相關(guān)技術(shù)、數(shù)據(jù)預(yù)處理、R語言工具的使用。第2篇為大數(shù)據(jù)挖掘技術(shù)，包括第5~11章，分別為線性分類方法、分類方法、聚類分析、關(guān)聯(lián)規(guī)則、預(yù)測方法與離群點診斷、時間序列分析、大數(shù)據(jù)挖掘可視化。第3篇為大數(shù)據(jù)挖

隨著大數(shù)據(jù)的概念、技術(shù)、應(yīng)用深入到了社會中的各個方面，它在迅速而深刻地改變著我們工作方式和生活方式。Hadoop作為大數(shù)據(jù)行業(yè)中的一位元老級成員，它提供了一種可以高效處理海量規(guī)模數(shù)據(jù)的方式，為大數(shù)據(jù)的發(fā)展提供了巨大幫助。本書緊密結(jié)合理實一體化教學(xué)，以項目的形式呈現(xiàn)了基于Hadoop的大數(shù)據(jù)平臺的構(gòu)建、使用與管理，具體包