本書基于計(jì)算機(jī)類專業(yè)對(duì)大數(shù)據(jù)平臺(tái)技術(shù)和大規(guī)模數(shù)據(jù)處理的實(shí)戰(zhàn)需求，在闡述數(shù)據(jù)科學(xué)、Hadoop和Spark配置要點(diǎn)和大數(shù)據(jù)處理周期的基礎(chǔ)上，重點(diǎn)闡述大數(shù)據(jù)采集與存儲(chǔ)、預(yù)處理、特征工程、數(shù)據(jù)可視化分析、機(jī)器學(xué)習(xí)基礎(chǔ)等大數(shù)據(jù)處理技術(shù)及其Python實(shí)現(xiàn)，以及基于Hadoop和Spark平臺(tái)的Python接口調(diào)用和機(jī)器學(xué)習(xí)編程實(shí)例分析。本書既強(qiáng)調(diào)了大數(shù)據(jù)處理周期的基本原理和關(guān)鍵技術(shù)，又突出機(jī)器學(xué)習(xí)算法及其在分布式系統(tǒng)中的應(yīng)用編程方法。
本書可作為高等院校計(jì)算機(jī)、大數(shù)據(jù)、人工智能、軟件工程等專業(yè)的教材，也可作為大數(shù)據(jù)技術(shù)研發(fā)人員和研究生的學(xué)習(xí)參考用書。