2020年3月，国家提出要加快5G网络，数据中心等新型基础设施（简称新基建）进度。其中，信息化新型基础设施包含了云计算、大数据、人工智能、区块链、5G等内容。本书围绕新基建的云计算、机器学习及人工智能展开讲述大数据处理分析与实战应用，分为如下五个部分。第1部分：介绍了大数据的概念与特点，以及几个典型的产业应用场景。通过这些案例简介，期望读者能够了解大数据的前景，以及作为科技工作者肩负的使命。第2部分：介绍了目前云计算中的一个重要研究与应用领域----容器云。这一部分包含容器技术Docker与容器编排工具Kubernetes。Docker能封装操作系统、应用程序及其执行环境。对于整个大数据来说，Docker是Hadoop、Hbase、Spark这些组件的基础运行平台。一般大数据运行平台规模都比较宏大，因此这里使用了Kubernetes来对容器进行管理。这样，就构建了基于容器云的大数据平台。第3部分：是大数据分析的基础，也是大数据分析技术的重点。首先介绍了Hadoop的框架原理、调度原理、MapReduce原理与编程模型、环境搭建。由于Hadoop的HDFS存在一定的读写局限，因此引入了Hbase以支持实时读写。同样HDFS的数据也存在一定的分析局限，因此引入了Hive来构建数据仓库，以提高分析效率。在本篇最后，还引入了Spark这样的高性能框架，进一步提高了大数据处理能力。第4部分：是机器学习相关算法的应用篇。机器学习是一个复杂的过程，涉及到统计学、微积分、信息论等内容。考虑到学习门槛，在这一环节，首先简单介绍了相关算法的原理，然后介绍相对容易使用的机器学习工具Sklearn，使得读者建立起对机器学习开发流程的基本认知，之后介绍应用于大数据环境下Spark的机器学习库。相信通过对这一部分内容的学习，读者已经掌握了基本的机器学习问题的处理。第5部分：通过第一个实例介绍了如何使用Spark机器学习库中的协同过滤算法，来实现基于Web的推荐系统；通过第二个实例介绍了如何使用OpenCV与TensorFlow构建卷积神经网络来实现基于Web的人脸识别。
本书内容精练、重点突出、实例丰富，是广大数据分析工作者的参考书，同时也非常适合大、中专院校师生学习阅读，还可作为高等院校统计分析及相关专业的教材。