本书详细讲解了大数据应用案例（含可运行程序），涉及计算机视觉基础案例分析、视觉大数据检索及识别相关的工程应用，包含了音视频处理、目标检测、图像识别等行业应用案例，作者从项目实战出发，对视觉大数据工程应用的算法设计、程序实现、部署实施进行详细叙述，可方便读者进行相关知识点的程序化调试及工程复用。本书以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事大数据处理的工程研发人员阅读参考。

本书详细讲解了大数据应用案例（含可运行程序），涉及计算机视觉基础案例分析、视觉大数据检索及识别相关的工程应用，包含了音视频处理、目标检测、图像识别等行业应用案例，作者从项目实战出发，对视觉大数据工程应用的算法设计、程序实现、部署实施进行详细叙述，可方便读者进行相关知识点的程序化调试及工程复用。本书以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事大数据处理的工程研发人员阅读参考。

本书聚焦于个人层面的信用违约技术研究、风险预警与监控系统的实现，但其中的技术也可以便捷地应用于企业征信。全书由浅入深、循序渐进地讲述了大数据时代下的征信技术。 全书分为三个部分，第一部分是基础技术研究，介绍了征信业务中多源、多模态数据的融合 方法，以及大数据征信模型的归因分析与解释性研究；第二部分是信用评估技术研究，包括 大数据征信场景下时序数据的挖掘与分析，违约风险评估预警技术，以及不同区域的差异性 对于信用情况的影响；第三部分聚焦于信用评估系统研发，从全局角度描述了一个信用评估 与监控预警系统的实现。

本书聚焦于个人层面的信用违约技术研究、风险预警与监控系统的实现，但其中的技术也可以便捷地应用于企业征信。全书由浅入深、循序渐进地讲述了大数据时代下的征信技术。 全书分为三个部分，第一部分是基础技术研究，介绍了征信业务中多源、多模态数据的融合 方法，以及大数据征信模型的归因分析与解释性研究；第二部分是信用评估技术研究，包括 大数据征信场景下时序数据的挖掘与分析，违约风险评估预警技术，以及不同区域的差异性 对于信用情况的影响；第三部分聚焦于信用评估系统研发，从全局角度描述了一个信用评估 与监控预警系统的实现。

介绍大数据上常见的算法设计思想，包括I/O敏感算法、并行算法和随机化算法，以及几个大数据比较热门的专题。这三类算法当前国内算法书籍中介绍比较少，并行算法和随机化算法尽管已经有相关书籍，但是并行算法的书籍往往和硬件联系比较密切，偏重于计算密集型算法而不是数据密集型算法；随机化算法也并非针对数据密集型计算提出的。

介绍大数据上常见的算法设计思想，包括I/O敏感算法、并行算法和随机化算法，以及几个大数据比较热门的专题。这三类算法当前国内算法书籍中介绍比较少，并行算法和随机化算法尽管已经有相关书籍，但是并行算法的书籍往往和硬件联系比较密切，偏重于计算密集型算法而不是数据密集型算法；随机化算法也并非针对数据密集型计算提出的。

Spark大数据技术还在如火如荼地发展，Spark中国峰会的召开，各地meetup的火爆举行，开源软件Spark也因此水涨船高，很多公司已经将Spark大范围落地并且应用。Spark使用者的需求已经从最初的部署安装、运行实例，到现在越来越需要通过Spark构建丰富的数据分析应用。写一本Spark实用案例类的技术书籍，是一个持续了很久的想法。由于工作较为紧张，最初只是将参与或学习过的Spark相关案例进行总结，但是随着时间的推移，最终还是打算将其中通用的算法、系统架构以及应用场景抽象出来，并进行适当简化，也算是一种总结和分享。

本书作为Flink的入门书，从Flink核心编程语言Scala讲起，涵盖当前Flink主流的开发组件。以实操为主，深入讲解每一个操作步骤，包括DataSetAPI离线数据处理、FlinkSQL快速结构化数据处理、DataStream实时数据处理，同时包括案例讲解、源码剖析、常用Shell命令和ScalaAPI详解。即使没有任何Flink基础的读者也可以对照书中的步骤成功搭建属于自己的Flink集群，是一本真正的实操指南书籍。本书可作为大数据开发人员的随身手册，也可作为Flink新手入门的指导书籍，以及大数据从业者的参考用书。

本书作为Spark的入门书，从Spark核心编程语言Scala讲起，涵盖当前Spark主流的开发组件。以实操为主，深入讲解每一个操作步骤，包括Spark RDD离线数据处理、Spark SQL快速结构化数据处理、Spark Streaming实时数据处理，同时包括案例讲解、源码剖析、常用Shell命令和Java API详解。即使没有任何Spark基础的读者也可以对照书中的步骤成功搭建属于自己的Spark集群，是一本真正的实操指南书籍。本书可作为大数据开发人员的随身手册，也可作为Spark新手入门的指导书籍，以及大数据从业者的参考用书。

本书共8章，内容主要包括Spark概述及入门实战，Spark的作业调度和资源分配算法，Spark SQL、DataFrame、Dataset的原理和实战，深入理解Spark数据源，流式计算的原理和实战，亿级数据处理平台Spark性能调优，Spark机器学习库，Spark 3.0的新特性和数据湖等。 本书适合Spark开发人员和Spark运维人员阅读。