本书主要介绍物联网和大数据技术领域的基础知识与技能，共5章，第1章为物联网和大数据简介，第2章为物联网数据采集，第3章为大数据基础环境部署与编程，第4章为机器学习，第5章为智慧家居传感器数据采集与展示系统。本书通过丰富的任务和实践帮助读者逐步掌握物联网和大数据技术的基础知识与技能，为进一步深入学习与应用物联网和大数据技术打下坚实基础。
本书可以作为高等院校物联网工程、大数据技术及相关专业的教学用书，也可以作为计算机、电子通信等专业相关课程的参考用书。

第1章 物联网和大数据简介
任务1.1 认识物联网
1.1.1 物联网的定义
1.1.2 物联网架构
1.1.3 物联网的行业应用
任务1.2 认识大数据
1.2.1 大数据的定义
1.2.2 大数据的特点
1.2.3 大数据技术的行业应用
任务1.3 认识开源工具
1.3.1 NodeMCU
1.3.2 Arduino IDE
1.3.3 EMQ X Broker
1.3.4 Hadoop
1.3.5 Kafka
1.3.6 Flink
1.3.7 Flask
1.3.8 MySQL
1.3.9 ECharts
1.3.10 Grafana
1.3.11 VS Code
1.3.12 IntelliJ IDEA
1.3.13 Maven
小结
习题
第2章 物联网数据采集
任务2.1 组建物联网环境
2.1.1 认识传感器
2.1.2 NodeMCU连接传感器
任务2.2 部署软件开发环境
2.2.1 安装配置EMQ X Broker
2.2.2 安装配置Arduino IDE
任务2.3 NodeMCU编程
2.3.1 连接EMQ X Broker
2.3.2 读取传感器数据示例
2.3.3 发布传感器数据示例
小结
习题
第3章 大数据基础环境部署与编程
任务3.1 Linux系统安装与Shell编程
3.1.1 虚拟化软件和操作系统安装
3.1.2 Linux系统常用命令
3.1.3 Shell脚本编程
任务3.2 Hadoop安装与HDFS编程
3.2.1 Hadoop安装
3.2.2 配置Hadoop运行方式
3.2.3 HDFS基本操作命令
3.2.4 HDFS编程实训
任务3.3 Kafka安装与编程
3.3.1 Kafka安装
3.3.2 Kafka配置
3.3.3 Kafka基本操作命令
3.3.4 Kafka编程实训
任务3.4 Flink安装与编程
3.4.1 Flink安装
3.4.2 Flink配置
3.4.3 Flink基本操作命令
3.4.4 Flink编程实训
小结
习题
第4章 机器学习
任务4.1 认识机器学习
任务4.2 监督学习编程
4.2.1 朴素贝叶斯算法
4.2.2 决策树
4.2.3 支持向量机
4.2.4 逻辑回归
4.2.5 线性回归
4.2.6 KNN算法
任务4.3 无监督学习编程
4.3.1 K-Means算法
4.3.2 主成分分析
小结
习题
第5章 智慧家居传感器数据采集与展示系统
任务5.1 安装和配置VS Code并掌握使用方法
5.1.1 安装和配置VS Code
5.1.2 VS Code基本使用方法
任务5.2 Flask环境部署与基础编程
5.2.1 安装Python3
5.2.2 安装Flask
5.2.3 Flask基本使用方法
任务5.3 MySQL安装配置与基础操作
5.3.1 安装配置MySQL
5.3.2 MySQL基础操作
任务5.4 智慧家居数据采集与处理
5.4.1 采集传感器数据并上传至EMQ X Broker代理服务器
5.4.2 订阅EMQ X Broker数据并写入Kafka
5.4.3 将数据存储至关系数据库MySQL
5.4.4 数据存储至分布式文件系统
5.4.5 应用机器学习算法进行数据趋势预测
任务5.5 数据可视化展示
5.5.1 安装与配置Grafana
5.5.2 数据可视化展示
小结
习题