全书分为三大部分： 主要讨论有关增强数据密集型应用系统所需的若干基本原则。首先开篇第1章即瞄准目标：可靠性、可扩展性与可维护性，如何认识这些问题以及如何达成目标。第2章我们比较了多种不同的数据模型和查询语言，讨论各自的适用场景。接下来第3章主要针对存储引擎，即数据库是如何安排磁盘结构从而提高检索效率。第4章转向数据编码（序列化）方面，包括常见模式的演化历程。 我们将从单机的数据存储转向跨机器的分布式系统，这是扩展性的重要一步，但随之而来的是各种挑战。所以将依次讨论数据远程复制（第5章）、数据分区（第6章）以及事务（第7章）。接下来的第8章包括分布式系统的更多细节，以及分布式环境如何达成一致性与共识（第9章）。 主要针对产生派生数据的系统，所谓派生数据主要指在异构系统中，如果无法用一个数
本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了 30 多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。 如果你是一名创业者，或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员，那么本书不容错过。
本书主要以项目实战为主线，从0到1的项目开发流程，教会读者如何开发全栈项目。它基于最新的Spring Boot3.1以上版本和Vue.js3.0版本的前后端分离项目开发，以及面向用户端的uni-app的小程序开发。本书基础的知识会在项目的开发过程中穿插讲解，不会单独的基础知识讲解，采用实战驱动学习知识的教学方法，并通过详细的代码示例、清晰的图解和源码解析帮助读者快速理解和掌握全栈项目开发的技巧和最佳项目实践。 本书共22章，包括Spring Boot篇、Vue篇和uni-app篇。Spring Boot篇（第1~14章）从环境搭建到项目上线，逐步深入讲解项目开发流程，并使用了众多企业级流行的开发技术，如Redis、Docker、Jenkins、Mybatis-plus等。Vue.js篇（第15~19章）使用Vue 3.0版本，采用开源的Vue.js框架Vue-Vben-Admin作为项目启动模板，帮助快速搭建后台管理系统，节约时间成本等。uni-app篇（第20~22章
本书旨在为包括研究生和工业从业者在内的研究人员提供有关为数据驱动的进化优化而开发的最新方法的全面描述。本书共分12章，第1~4章简要介绍了优化、进化计算和机器学习中精心挑选的重要主题和方法。第5章提供了数据驱动优化的基础知识，包括启发式算法和基于获取函数的代理模型管理。第6章介绍使用多个代理模型进行单目标优化的方法。第7~8章中描述用于求解多目标和多目标优化算法的代表性进化算法以及代理模型辅助数据驱动的进化多目标和多目标优化。第9章详细阐述了高维数据驱动优化的方法。第10章描述迁移学习和迁移优化。第11章讨论离线数据驱动的进化优化，以翼型设计优化等实际优化问题为例、原油蒸馏优化和急救系统优化。最后，第12章强调了深度神经架构搜索作为数据驱动的昂贵优化问题。
本书结合理论和实践，由浅入深，全方位介绍了Hadoop这一高性能的海量数据处理和分析平台。全书5部分24章，第Ⅰ部分介绍Hadoop基础知识，主题涉及Hadoop、MapReduce、Hadoop分布式文件系统、YARN、Hadoop的I/O操作。第Ⅱ部分介绍MapReduce,主题包括MapReduce应用开发；MapReduce的工作机制、MapReduce的类型与格式、MapReduce的特性。第Ⅲ部分介绍Hadoop的运维，主题涉及构建Hadoop集群、管理Hadoop。第Ⅳ部分介绍Hadoop相关开源项目，主题涉及Avro、Parquet、Flume、Sqoop、Pig、Hive、Crunch、Spark、HBase、ZooKeeper。第Ⅴ部分提供了三个案例，分别来自医疗卫生信息技术服务商塞纳(Cerner)、微软的人工智能项目ADAM(一种大规模分布式深度学习框架)和开源项目Cascading(一个新的针对MapReduce的数据处理API)。 本书是一本权威、全面的Hadoop参考书和工具书，阐述了Hadoop生态圈的*发展和应用，程序员可以从中探
《Hadoop海量数据处理》从Hadoop的基础知识讲起，逐步深入Hadoop分布式文件系统（HDFS）和MapReduce分布式编程框架的核心技术，帮助读者全面、系统、深入地理解Hadoop海量数据处理技术的精髓。本书在讲解技术原理时穿插大量的典型示例，并详解两个典型项目实战案例，帮助读者提高实际项目开发水平。 《Hadoop海量数据处理》共15章，分为4篇。第1篇Hadoop基础知识，包括大数据概述、Hadoop概述、Hadoop环境搭建与配置；第2篇Hadoop分布式存储技术，包括HDFS概述、HDFS基础操作、HDFS的读写原理和工作机制、Hadoop 3.x的新特性；第3篇MapReduce分布式编程框架，包括MapReduce概述、MapReduce开发基础、MapReduce框架的原理、MapReduce数据压缩、YARN资源调度器、Hadoop企业级优化；第4篇项目实战，包括Hadoop高可用集群搭建实战和统计TopN经典项目案例实战。 《Hadoop海量数据处理》通俗易懂、案
本书介绍了超级计算机算力和AI算力的异同，从CPU流水线开始，描述主要的众核处理器架构和功能部件设计。在GPU和NPU等加速器部分，介绍了GPU为何能从单纯的图形任务处理器变成通用处理器。GPU在设计逻辑、存储体系、线程管理，以及面向AI的张量处理器方面成为最近几年全世界科技行业最瞩目的明星。本书对华为等厂商推出的NPU芯片设计也做了架构描述，中国也拥有独立自主知识产权的高算力芯片，并且支持多芯片、高带宽互连。本书也回顾了近20年来主流的CPU、GPU芯片架构的特点，介绍了存储与互连总线技术，即大模型专用AI超级计算机的中枢核心。
《Doris实时数据仓库理论与实战》系统地介绍了Doris的核心概念、架构原理和各项功能。全书共7章。第1章对Doris做了初步介绍。第2章重点介绍了Doris的数据表设计。第3章聚焦于Doris的数据导入。第4章介绍了Doris的数据导出和数据管理。第5章讨论了Doris中的数据更新和删除操作。第6章将读者带入Doris的进阶使用领域。第7章展示了Doris的生态扩展。通过《Doris实时数据仓库理论与实战》的学习，读者可以全面而深入地了解运用Doris构建高效、可扩展、实时数据仓库系统的方法,从理论到实践，从基础到进阶。 《Doris实时数据仓库理论与实战》适用于Doris开发人员和数据工程师，或有志从事数据仓库开发的技术人员。
本书循序渐进、深入讲解了R语言数据统计分析与应用的核心知识，并通过具体实例的实现过程演练了知识点的用法和流程。全书共16章，分别讲解了R语言基础、R语言数据统计语法基础、数据获取和处理、绘制可视化统计图、描述性统计分析、探索性数据分析、推论统计、回归分析、方差分析、非参数统计分析、主成分分析、聚类分析、生存分析、因子分析、基于机器学习的患者再入院预测分析系统和中概科技指数统计分析与投资系统。全书简洁而不失其技术深度，内容丰富全面，历史资料翔实齐全。同时，本书易于阅读，以极简的文字介绍了复杂的案例，同时涵盖了其他同类图书中很少涉及的历史参考资料，是学习R语言数据统计分析与应用的实用教程。
利用这本书，你将学习以下内容：了解如何选择Spark转换实现优化的解决方案。探索强大的转换和归约，包括reduceByKey()、combineByKey()和mapPartitions()。理解数据分区以实现优化查询。使用PySpark设计模式构建和应用模型。对图数据应用motif查找算法。使用GraphFrames API分析图数据。对临床医学和基因组数据应用PySpark算法。学习如何在ML算法中使用和应用特征工程。了解并使用实用的数据设计模式。
看似佛系，其实只是不思进取；在朋友圈假装热爱生活，真实的自我只敢去微博展露；年初列了无数计划，年底全成了打脸的笑话；人前装得无懈可击，活得却比谁都软弱无力 本书作者赵德昊， 毒鸡汤 公众号创始人，凭借《不会偷懒还假装勤奋，怪不得你又累又穷》《你这不是抑郁，是没钱和缺爱的正常表现》《就算朋友遍天下，你还是个nobody》等爆文圈粉无数。 这些热辣酸爽的金句，引起无数年轻人共鸣，也映照出他们在当下焦虑生活中无力挣扎的现实。61篇犀利扎心的硬核文章，不卖情怀只给解药，愿这些狠话能为你打破思维桎桔，重塑人生。 生活虽不易，但请你干万别假装。
作为数据仓库和商业智能（DW/BI）行业中有影响力的领军人物，RalphKimball、MargyRoss得到了世界范围内的认可和尊重，他们在《数据仓库与商业智能宝典（第1版）》中确立了行业标准。现在，在《数据仓库与商业智能宝典（第2版）成功设计、部署和维护DW/BI系统》中已经更新了65篇DesignTip和白皮书，从而汇集了DW/BI技术创新前沿的著作。 从项目规划和需求收集，到维度建模、ETL和BI应用，《数据仓库与商业智能宝典（第2版）：成功设计、部署和维护DW/BI系统》涵盖了你在数据仓库和商业智能中将会遇到的所有内容。这些无与伦比的文章提供了成功地设计、部署和维护DW/BI系统的重要建议。 启动DW/BI项目和收集需求的注意事项 集成式企业数据仓库的要素，其中包括总线架构和矩阵 事实表的粒度性和三种基本类型 渐变维度技术 星型模式、
本书从大数据和人工智能的角度，系统、全面介绍海洋预测预报与挖掘分析技术。全书分为三个部分：第一部分（第1～3章）是数据部分，对海洋大数据的特征、资源分析、处理评估、平台架构、存储管理、分析处理等进行阐述；第二部分（第4～5章）是方法部分，介绍基于机器学习的海洋大数据典型挖掘分析方法，包括回归方法、聚类方法、关联方法、分类方法及可视分析方法，并给出典型的深度学习预测方法；第三部分（第6～10章）是应用部分，展示利用海洋大数据处理方法对各类海洋数据进行分析预报的成果，包括对海表温度、海面高度、海洋三维温盐、台风路径和赤潮发生概率的分析预报。
智慧城市是5G和人工智能（artificialintelligence，AI）等前沿科技密集应用的新兴领域，也是我国实现可持续发展的重大战略选择。城市大数据的分析与应用是构建智慧城市的关键技术。城市大数据不仅具有典型的海量、异构和高价值密度的特点，还具有独特的时空感知特征和社会感知特征，这为数据建模带来了全新的挑战，但也为构建从微观到宏观的智慧城市应用带来了前所未有的机遇。本书系统地介绍了城市大数据的概念及其核心建模方法，并以作者及其所带领的科研团队近年来的研究成果为例，围绕智能预测与规律探索两类典型智慧城市应用场景，详细地阐述了国内外在该领域的前沿热点和发展趋势。本书共分7章，内容包括城市大数据概述，基于城市大数据的城市人口管理、交通管理与位置服务等微观问题，以及基于城市大数据的城市规划管理、经济发展、战略
本书主要作为教育领域从事教育大数据研究工作者的参考用书。本书从教育大数据的重要意义、国内外教育大数据的研究现状以及政策支持出发，对教育大数据的相关概念和内涵做阐述说明，介绍了教育大数据的技术、技术标准、治理与开放、风险管理与法律政策，重点阐述了教育大数据在教育领域的典型应用，包括教育大数据在课堂教育、校园管理、在线教育、开放远程教育、教育培训行业以及学生综合素质评价等方面的应用，*后提出教育大数据的发展趋势和机遇挑战。
本书介绍Spark应用开发的面向对象和函数式编程概念，讨论RDD和DataFrame基本抽象，讲述如何使用SparkSQL、GraphX和Spark来开发可扩展的、容错的流式应用程序，*后介绍监控、配置、调试、测试和开发等高级主题。通过本书的学习，你将能使用SparkR和PySpark API开发Spark应用程序，使用Zeppelin进行交互式数据分析，使用Alluxio进行内存数据处理，将透彻理解Spark，并能对海量数据执行全栈数据分析，*终成为数据科学家。
本书中文版分为基础篇和进阶篇，深入探讨了数据挖掘的各个方面，从基础知识到复杂的数据类型及其应用，涉及数据挖掘的各种问题领域。它超越了传统上对数据挖掘问题的关注，引入了高级数据类型，例如文本、时间序列、离散序列、空间数据、图数据和社交网络数据。到目前为止，还没有一本书以如此全面和综合的方式探讨所有这些主题。 基础篇（包括原书的第1-13章）详细介绍了针对数据挖掘的四个主要问题（聚类、分类、关联模式挖掘和异常分析）的各种解决方法、用于文本数据领域的特定挖掘方法，以及对于数据流的挖掘应用。 进阶篇（包括原书的第14-20章）主要讨论了用于不同数据领域（例如时序数据、序列数据、空间数据、图数据）的特定挖掘方法，以及重要的数据挖掘应用（例如Web数据挖掘、排名、推荐、社交网络分析和隐私保护）。 本书在
本书介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案，以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这本书还概要介绍了MapReduce、Hadoop和Spark。 本书主要内容包括： ■ 完成超大量交易的购物篮分析。 ■ 数据挖掘算法（K-均值、KNN和朴素贝叶斯）。 ■ 使用超大基因组数据完成 DNA 和 RNA 测序。 ■ 朴素贝叶斯定理和马尔可夫链实现数据和市场预测。 ■ 推荐算法和成对文档相似性。 ■ 线性回归、Cox回归和 皮尔逊 （Pearson） 相关 分析。 ■ 等位基因频率和 DNA 挖掘。 ■ 社交网络分析（推荐系统、三角形计数和情感分析）。
本书基于主题划分章节，每一章归纳总结了对应的常见问题和解决方法。本书第1章是R基础知识，包括包安装和数据加载；第2章是绘图概述，帮助读者快速绘制基本图形；第3章至第6章具体介绍绘制几种不同图形（如条形图、折线图和散点图等）的方法；第7章至 2章讨论如何修改图形的各个元素（如注解、坐标轴、标题、图例和配色等）； 3章介绍其他难以清晰分门别类的图形； 4章介绍将R绘制的图形以不同的格式导出的方法； 5章讨论数据处理的相关问题。 本书由浅入深，脉络分明，适合数据分析、数据处理和数据可视化的初学者；此外，本书对有一定数据分析、数据处理和数据可视化工作经验的读者，也是一本方便的速查手册。
