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。

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。

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。

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。

本书介绍了如何使用 Python 实现企业级的大数据全栈式开发、设计和编程工作，涉及的知识点包括数据架构整体设计、数据源和数据采集、数据同步、消息队列、关系数据库、NoSQL 数据库、批处理、流处理、图计算、人工智能、数据产品开发。 本书既深入浅出地介绍了不同技术组件的基本原理，又通过详细对比介绍了如何根据不同场景选择很好实践技术方案，并通过代码实操帮助读者快速掌握常用技术的应用过程，最后通过项目案例介绍了如何将所学知识应用于实际业务场景中。

《数据库系统概念》是数据库系统方面的经典教材之一，本书基于该书第7版进行改编，保留其中的基本内容，压缩或删除了一些高级内容，使其体系更符合国内本科数据库课程教学要求。本书第1章概述数据库系统，第一部分（包括第2~6章）讲述关系语言的基本概念，第二部分（包括第7~9章）介绍数据库设计与应用程序开发技术，第三部分（包括第10~14章）介绍数据库管理系统实现的核心技术，第四部分（包括第15~17章）介绍大数据分析、区块链数据库、高级应用开发等高级话题。 本书既可作为高等院校计算机及相关专业本科生的数据库课程教材，也可供数据库领域的技术人员参考。

《基于大数据卫勤循证决策研究》旨在完善大数据理论和方法在“平战非”卫勤循证决策中的应用，应用“卫勤决策支持”全国重点实验室中的调研、建模与干预实验技术，将大数据引人循证决策，改变了证据分析方法，实现了数据信息实时化、全面化、科学化，从而为决策者提供快速、准确的大数据支持，提升了循证决策效率与质量，为后期“平时、战时、非战争”决策提供了坚实的理论依据。

《Python金融大数据分析 第2版》分为5部分，共21章。第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数据可视化、输入/输出操作和数学中与金融相关的知识等；第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值等知识。《Python金融大数据分析 第2版》本书适合对使用Python进行大数据分析、处理感兴趣的金融行

本书既介绍了数据仓库主流业务应用、企业业务逻辑模型和数据质量管理方法，也有对具有中国特色的数据仓库逻辑架构及数据仓库项目实施过程的描述。内容详细到每一个工作细节的数据仓库项目实施过程和拿来就用的项目文档模板。 本书是作者总结近几年来数据仓库在中国本土实施的大量实战经验编写而成，特别强调数据仓库的实用性和本土化。全书既介绍了数据仓库主流业务应用、企业业务逻辑模型和数据质量管理方法，也有对具有中国特色的数据仓库逻辑架构及数据仓库项目实施过程的描述。本书附带的光盘中收集了大量的数据仓库专有业务和技术名词解释，并提供了书中数据仓库项目实施模板的Word版本。 本书适合从事数据仓库项目实施和理论研究的各类读者阅读，对目前正在从事数据仓库项目实施工作的技术人员，会有较大的参考作用。

《基于Oracle的SQL优化》是一本与众不同的书，它的目的是使读者真正掌握如何在 Oracle数据库里写出高质量的 SQL语句，以及如何在 Oracle数据库里对有性能问题的 SQL做诊断和调整。

数据库在大多数企业或机构的运营中扮演着至关重要的角色；它们作为核心存储库，储存着产品、客户、供应商、销售等关键信息和其他大量的信息。毫无疑问的是，大部分商务计算都涉及数据库应用。 本书向读者提供了许多实用的方法和工具，用来设计高效、可靠和安全的数据库。本书作者RodStephens详细讲解了应该如何组织数据库以便在不降低性能的前提下确保数据完整性，为开发各种数据库应用程序提供了坚实的基础。书中提到的方法和技术适刚厂各种数据库环境，包括Oracle、Microsoft Access、SQL Server和MySQL。通过学习本书，读者将会了解数据库设计的基本过程并最终掌握实际设计数据库的方法。 本书主要内容 ·如何确定满足用户需求的数据库要求 ·使用各种建模技术构建数据模型的方法，包括实体关系模型、用户界面模型和语义对象模型 ·了解不同

《Oracle 查询优化改写技巧与案例》不讲具体语法，只是以案例的形式介绍各种查询语句的用法。~4 章是基础部分，讲述了常用的各种基础语句，以及常见的错误和正确语句的写法。这部分的内容应熟练掌握，因为日常查询和优化改写都要用到。第5~12 章是提高部分，讲解了正则表达式、分析函数、树形查询及汇总函数的用法。这部分知识常用于对一些复杂需求的实现及优化改写。两章介绍日常的优化改写案例。这部分是前面所学知识的扩展应用。 如果您是开发人员，经常与Oracle 打交道，那么《Oracle 查询优化改写技巧与案例》可以帮助您处理复杂的需求，写出高性能的语句。如果您是运维人员，则《Oracle 查询优化改写技巧与案例》可以帮助您更快地完成慢语句的改写优化。

本书详细讲述了如何充分利用革命性的Oracle Wait Interface（OWI）快速确定并解决数据库系统的主要问题和瓶颈，从而极大地提高工作效率。书中包含所有OWI特性的大量细节，包括等待事件视图及其应用，以及扩展的SQL追踪文件。这些宝贵资源有助于您充分利用这个进的诊断工具，从而将处理时间减到最少。 本书主要内容：使用等待事件统计信息确定性能问题； 监控会话级等待事件，并收集历史数据，以确定根本问题； 解释与I/O有关的常见等待事件； 诊断并解决与锁和串行化相关的问题 分析与延迟相关的等待事件； 确定秘解决Oracle Real Application Clusters环境中的瓶颈； 学习Oracle Database 10g中性能诊断和调整的有效方法。

设计和维护Oracle数据库云的全流程路线图《构建Oracle数据库云很好实践使用OracleEnterpriseManagerCloudControl13c》由OraclePress出版，详细介绍了如何使用OracleEnterpriseManagerCloudControl13c构建、配置并管理一个以数据为中心的私有云/混合云。本书作者是经验丰富的Oracle认证大师(OCM)，为读者提供了清晰的解释、真实的案例及专家级建议。通过本书可以掌握如何整合服务器和数据库资源；如何规划和设置云服务；如何实施DBaaS、SCHaaS和PDBaaS；如何使用CloudRESTAPI；如何使用混合云配置。此外，本书也介绍了容灾数据库、基于云的安全性和数据备份。