《华为数据之道》 《华为数据之道》 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在优选170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 全书共10章，内容从逻辑上分为四个部分。 第一部分（～3章） 第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细

了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用，Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验，向读者透彻讲解在Python环境下，如何通过一系列存储机制有效地实现各类算法。通过本书，读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用，等等。这一版重写了书中的示例代码，并对诸多内容做了修正。

《深入浅出数据分析》以类似"章回小说”的活泼形式，生动地向读者展现出色的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。

本书通过大量案例研究介绍数据可视化的基础知识，以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。具体内容包括：如何充分理解上下文，如何选择合适的图表，如何消除杂乱，如何聚焦受众的视线，如何像设计师一样思考，以及如何用数据讲故事。 本书适合所有需要用图表展示信息和数据的人士阅读。

商业分析有用吗？当然有用！商业分析是行走职场、创业启航的一项推荐技能。作者结合自己多年的工作经验，用生动的语言介绍如何用数据分析解决商业问题。本书分为6篇，共17章，其中第1篇是概念篇，讲述商业分析的基本概念；第2篇是基础篇，讲述如何用基础的分析方法评估企业经营状况；第3篇是进阶篇，讲述如何构建分析体系解决较复杂的问题；第4篇是高阶篇，讲述如何应对复杂的商业难题；第5篇是基础实践篇，通过案例讲述如何解决更复杂的商业问题；第6篇是高阶实践篇，通过案例讲述如何解决商业分析中的疑难杂症。本书的讲解思路是层层递进的，从简单场景到复杂场景，从基础的方法到复杂的方法。因此，无论读者是否有数据分析基础和经验，都建议从头开始阅读，这样可以一步步提升认知，更快地掌握商业分析的方法。

无论是审计师还是会计师，在工作中都会遇到如何获取数据、分析数据的问题，甚至有时想制作一些自动化的工具或利用编程技巧来辅助完成重复性的工作。本书正是从审计师、会计师的实际工作场景出发，讲解IT审计的学习技巧、SQL基础与实战技巧、Python基础与Python实战技巧，以及数据可视化技巧等。

本书提供了学习大数据技术及架构的一站式解决方案，覆盖了大数据生态圈中的完整技术体系，包括数据采集、数据存储、分布式资源管理、数据计算、数据分析、任务调度、数据检索、大数据底层基础技术和大数据集群安装与管理。 本书还介绍了多个企业级大数据应用案例（包括海量数据采集、“双十一”数据大屏、海量数据全文搜索系统等）和大数据平台架构案例（包括离线数据仓库架构、实时数据仓库架构、批流一体化数据仓库架构、数据中台架构、直播大数据平台架构、电商大数据平台架构等），可以帮助读者从全局角度理解大数据。 在本书中，技术内容基本上都是从零讲起的，结合原理和架构，以“图解+实战”的形式帮助读者轻松理解复杂的知识。 本书适合对大数据感兴趣的开发人员。无论读者是否接触过大数据开发，只要具备一定的Java开发

这是一本关于如何更好、更有效地进行数据可视化的书。本书分为3个部分。第1部分是创建有效可视化的通用指导原则，我们将了解受众的重要性，以及思考哪类图表能更好地契合他们的需求。第2部分是本书的核心部分，我们将定义和讨论80多张图表，这些图表分为八大类：比较、时间、分布、地缘、关系、构成、定性和表格。我们将看到各类图表是如何起作用的，以及它们的优缺点。第3部分整合了两块内容，一是构建数据可视化样式指南，二是如何结合不同的经验对图表进行重新设计。本书将指导你选择最适合展示相关数据的图表，并有效地传递你想传达的信息。

本书示范应用的SPSS软件和R软件，是当前量化研究中的主流。 本书将研究方法、统计分析和软件操作三方面的主要知识进行了的融合，对20多种统计分析技术的讲解都配有图示清晰、步骤详细的范例，十分便于读者学习领会、照猫画虎。 本书的内容组织方式相对于将统计学和软件应用分别成书的做法，更能帮助读者在整体上对量化研究融会贯通。在难度的把握上，立足于为量化研究的初学者服务，材料选择、内容设计都比较基础，因此，完全可以作为社会学、心理学、管理学、教育学等学科的本科生和研究生的量化研究方法课程的教材。

本书示范应用的SPSS软件和R软件，是当前量化研究中的主流。 本书将研究方法、统计分析和软件操作三方面的主要知识进行了的融合，对20多种统计分析技术的讲解都配有图示清晰、步骤详细的范例，十分便于读者学习领会、照猫画虎。 本书的内容组织方式相对于将统计学和软件应用分别成书的做法，更能帮助读者在整体上对量化研究融会贯通。在难度的把握上，立足于为量化研究的初学者服务，材料选择、内容设计都比较基础，因此，完全可以作为社会学、心理学、管理学、教育学等学科的本科生和研究生的量化研究方法课程的教材。

本书介绍了数字孪生的概念和流程，帮助读者了解当前数字化的环境和趋势，并快速建立MicroStation直觉式绘图环境。本书分为13章，从数字孪生基础概念讲到数字孪生生态环境，然后进一步讲述如何使用MircoStation。内容包括使用方法、工作环境、空间定位、对象创建与修改、视图、三维操作、引用、单元对象、图纸输出、注释对象、打印输出。本书不仅适合作为广大学习、使用MicroStation软件人员的参考书，而且也可作为建筑行业的专业人员、研究人员、软件开发工程师、BIM爱好者及高校师生的常备参考书。

本书是热销书《SQL基础教程》的作者MICK为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两大部分。第一部分介绍了SQL语言不同寻常的使用技巧，带领读者重新认识CASE表达式、窗口函数、自连接、EXISTS谓词、HAVING子句、外连接、行间比较、集合运算、数列处理等SQL常用技术，发掘它们的新用法。这部分不仅穿插讲解了这些技巧背后的逻辑和相关知识，而且辅以丰富的示例程序，旨在帮助读者从面向过程的思维方式转换为面向集合的思维方式。第二部分介绍了关系数据库的发展史，并从集合论和逻辑学的角度讲述了SQL和关系模型的理论基础，旨在帮助读者加深对SQL语言和关系数据库的理解。此外，本书很多节的末尾设置有练习题，并在书末提供了解答，方便读者检验自己对书中知识点的掌握程度。本书适合具有半年以上SQL使用经验、已掌握S

Python是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python来做预测，不仅能够在业务上快速落地，还让代码维护更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。本书共分为3篇。第1篇介绍预测基础，主要包括预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握预测的基本步骤和方法思路。第2篇介绍预测算法，该部分包含多元回归分析、复杂

本书详细介绍了Oracle、MySQL、PostgreSQL、SQL Server、DB2等各种关系数据库的SQL查询技巧和一些基础的SQL查询语句，并且通过短小精悍的实例，不仅讲解了如何插入、更新和删除数据，还介绍了如何检索记录、为查询结果排序、同时操作多张数据库表、查询元数据、处理涉及字符串和数值的操作、根据时间数据和日期数据进行运算、执行层次查询和区间查询等。随着多种SQL实现大量采用窗口函数，本书第2版针对相关实例做了优化，还新增了为数据科学家和算法工程师量身定制的实例。本书适合数据分析师、数据库管理员以及与SQL打交道的数据科学家和算法工程师阅读。

本书共13章，主要内容涵盖Python语法及数据分析方法。第1章主要介绍数据分析的概念，使读者有一个大致的印象，并简单介绍本书频繁使用的Python的5个第三方库。第2章主要做一些准备工作，手把手带读者搭建Python环境，包括Python 3.7.6的安装和pip的安装。第3章介绍Python编程基础。第4章到第7章介绍使用Python进行简单数据分析的基础库，包括NumPy、Pandas和Matplotlib库，并介绍使用正则表达式处理数据的方法。第8章到第13章属于进阶内容，但也是Python数据分析的基础，结合机器学习介绍一些常见的用于数据分析的机器学习算法及常用的数学模型。

本书分为以下几个主要部分：第1-3章介绍方法和技术。在这些章节中，我们描述了一种性能调优方法。还提供了一些关于MongoDB架构和MongoDB提供的用于调查、监控和诊断MongoDB性能的工具的背景知识。第4章和第5章介绍应用程序和数据库设计。第6-10章介绍应用程序代码的优化。第11-14章讨论MongoDB服务器及其运行硬件的优化。

本书分为两部分。第一部分为第1～7章，介绍了Python的语法、编程基础和对常见错误的处理。第二部分为第8～14章，介绍了Python的各种实践应用，分别是对目录和文件的操作，对Excel、Word和PDF文件的操作，在图像处理、网络爬虫领域的应用，以及Python的图形用户接口编程。本书以实践应用为目的，希望读者能够前后对应，根据例题举一反三。 本书可供Python爱好者和技术人员参考和自学，也非常适于用作高等院校的自动化类、电子信息类、机械类、计算机类等相关专业的教材。

本书探究了基于大数据和BIM技术的工程造价管理研究方面的问题，介绍了工程造价管理的基础知识，揭示了现代工程造价管理方法创新的理论基础，明确了大数据技术的实践应用是实现工程造价管理模式高质量发展的重要途径这一事实；主要运用文献调查的方法揭示了工程造价管理的研究面貌，指出了BIM技术创新对工程造价管理的具体影响；围绕大数据与BIM技术的结合与创新重点论述了新时代工程造价管理方法的创新发展问题。本书在内容选取上既兼顾到知识的系统性，又考虑到可接受性，涉及面广，实用性强，使读者能理论结合实践，获取知识的同时掌握技能，并强调理论与实践相结合。本书兼具理论与实际应用价值，可供相关教育工作者参考和借鉴。

本书是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。本书的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。本书适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。

本书全面介绍了预测性分析相关方法，不仅直观地阐述了相关概念，还给出了现实的示例问题和真实的案例研究—包括从失败项目获得的经验教训。本书理论和实践内容相对平衡，便于读者加深理解。全书共9章，外加一个附录。第1章为分析导论，第2章为预测性分析和数据挖掘导论，第3章介绍预测性分析的标准流程，第4章介绍预测性分析的数据和方法，第5章介绍预测性分析算法，第6章探讨预测性建模中的高阶主题，第7章介绍文本分析、主题建模和情感分析，第8章介绍预测性分析使用的大数据，第9章介绍深度学习和认知计算，附录展望了商业分析和数据科学工具的前景。本书适合计算机科学、数据科学和商业分析领域的相关从业人员阅读。