人类已进入大数据时代。大数据是指具有海量 (volume)、多模态 (variety)、变化速度快 (velocity)、蕴含价值高 (value) 和不精确性高 (veracity) “5V”特征的数据。大数据给传统的机器学习带来巨大的挑战, 已引起学术界和工业界的高度关注。Hadoop和Spark正是在这种背景下产生的两个大数据开源平台。本书重点介绍基于这两种大数据开源平台的机器学习, 包括机器学习概述、大数据与大数据处理系统、Hadoop分布式文件系统HDFS、Hadoop并行编程框架MapReduce、Hadoop大数据机器学习和Spark大数据机器学习。