数据、模型与决策是应用数学建模和计算机技术帮助决策者解决问题。作为国外一本优秀的数据、模型与决策的教材，本书具有以下特色： 1．对枯燥、复杂和技术化的数学问题用简明易懂的语言予以解释，兼顾严谨的数理逻辑。 2．突出建模分析框架和基础逻辑的讲授和训练，在某种程度上实现了艺术与科学的有机融合。 3．课后习题丰富，并配有网络题库，供自学者加强训练，及时检查对理论模型及其求解方法的掌握程度。 第12版把修订重点放在企业和组织的*技术发展上，增加了商业分析（第1章）、项目风险（第8章）以及数据挖掘（第14章）等内容。
本书的主要内容有：深入探讨BigQuery的内部工作方式，包括其整体架构。学习BigQuery支持的数据类型、函数和运算符。优化查询语句和schema，从而提高性能或降低成本。使用标准SQL中高级功能，如GIS、历史快照、DDL/DML、用户定义函数和脚本。使用BigQuery ML解决各类机器学习问题。学习如何保护数据、监控作业，以及授权用户。
数据清洗是大数据领域不可缺少的环节，用来发现并纠正数据中可能存在的错误，针对数据审查过程中发现的错误值、缺失值、异常值、可疑数据，选用适当方法进行 清理 ，使 脏 数据变为 干净 数据。本书共分为8章：第1章主要介绍数据清洗的概念、任务和流程，数据标准化概念及数据仓库技术等；第2章主要介绍Windows和类UNIX操作系统下的数据常规格式、数据编码及数据类型转换等；第3章介绍ETL概念、数据清洗的技术路线、ETL工具及ETL子系统等；第4章介绍Excel、Kettle、OpenRefine、DataWrangler和Hawk的安装及使用等；第5章介绍Kettle下文本文件抽取、Web数据抽取、数据库数据抽取及增量数据抽取等；第6章介绍数据清洗步骤、数据检验、数据错误处理、数据质量评估及数据加载；第7章介绍网页结构，利用网络爬虫技术进行数据采集，利用JavaScript技术进行行为日志数据采集
SQL Server 2016数据库案例教程（第2版）在设计上采用 大型案例，一案到底 的思路，以SQL Server 2016数据库管理系统为平台，选用 学生选课系统 为案例贯穿始终。全书以 学生选课系统 的数据库设计与管理为主线，详细介绍了SQL Server 2016中实现该系统数据库的应用与维护，主要内容包括数据库建模、数据库对象创建、数据查询、查询优化、面向数据库编程、模块化编程、数据库的高可靠性和安全性等。本书可以作为计算机、电子商务和信息管理等相关专业的教学用书，也可以作为相关领域的培训教材，适合各个层次的数据库学习人员和广大程序员阅读。
是不是准备把你的静态HTML页面上升到新高度，想要使用PHP和MySQL构建数据库驱动的网站？ 《Head First PHP MySQL（中文版）》正是你需要的实践指南，可以让你很快地建立并运行动态网站。你可以具体动手构建真实的应用，包括从一个视频游戏高分公告板到一个在线约会网站等大量应用。读完这本书，你将学会如何验证表单、使用会话ID和cookie、完成数据库查询和联接、处理文件I/O操作等。
本书以数据要素化治理的理论方法与工程实践为主线，内容按照概念篇、原理篇和工程篇依次展开。概念篇在对数据、数据要素相关概念及其演进过程进行系统梳理的基础上，首次对“数据要素”“数据要素化”进行了明确定义，并基于传统生产要素市场化配置规律，提出数据要素化治理的基本思路。在原理篇，定义了数据元件作为连接数据供需两端的“中间态”和数据要素交易流通的标的物，进而构建基于数据元件的数据要素流通模型、数据要素化安全模型以及数据要素化治理系统模型。在工程篇，详细阐述了制度体系、技术体系和市场体系“三位一体”的解决方案，并进行实践案例剖析，验证数据要素化治理模型及三大体系的可行性、有效性及可复制性。
大数据管理与应用主要以信息科学、计算机科学和管理科学等学科为理论基础，其研究内容包括大数据科学基础理论、大数据预处理、大数据计算、大数据管理和分析等。本书力图通过对大数据科学相关数据管理方面内容的综合介绍，面向大数据时代的电子商务智能数据计算领域，从大数据采集、大数据预处理、大数据存储与计算、多源异构大数据分析、大数据知识融合技术和大数据的应用管理等方面说明大数据管理与应用的主要研究内容和应用方向。
本书以运营商数据中心网络面临的业务挑战为切入点，详细介绍运营商数据中心网络的架构设计、技术实现和规划设计，并给出部署建议。首先，本书介绍运营商数据中心整体业务的发展情况，从业务的维度总结运营商数据中心的5个场景业务—— IT云、电信云、IDC、公有云以及城域IPTV与CDN对网络的诉求。接着，本书基于运营商业务的三个主要场景—— IT云、电信云和IDC，给出业务和网络发展趋势、需求分析、网络架构设计和安全设计。 ，本书还着重针对云计算时代的运营商数据中心网络如何运维进行了阐述。 本书可以为构建安全、可靠、高效、开放的运营商数据中心网络提供参考和帮助，适合企业和科研院所信息化部门及数据中心的技术人员阅读，也可为高等院校计算机网络相关专业的师生提供参考。
这是一本金融数据挖掘与分析领域的实战性著作，它能指导零Python编程基础和零数据挖掘与分析基础的读者快速掌握金融数据挖掘与分析的工具、技术和方法。读完本书，你将会有如下3个方面的收获：（1）Python编程基础和数据预处理首先详细讲解了Python的核心语法，以及NumPy、Matplotlib、PySpark、Jupyter Notebook等Python数据处理工具的使用；然后详细介绍了数据预处理的流程和技巧。通过深入浅出的语言和丰富的样例展示，帮助初学者快速上手Python，为之后的数据分析实战夯实基础。（2）数据挖掘与分析的经典方法详细讲解了经典的数据挖掘方法，包括聚类分析、回归分析、分类分析、异常检测、关联分析、时间序列分析等。（3）主要金融应用场景的数据挖掘方法针对网络舆情的采集和热点分析、舆情分析中的情感分析、股价趋势预测、个人信用评分、企业信用评分、
本书系统论述了openGauss数据库理论、技术及应用。本书共11章,首先介绍数据库发展历史,包括传统的网状数据库、层次数据库、关系数据库、NoSQL数据库、NewSQL数据库、云数据库、多模数据库、
数据治理是指通过建立组织架构，明确相关部门职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。数据治理有助于控制数据的开发和使用，降低与数据相关的风险，使相关主体可以战略性地利用数据，并从数据治理中获得价值。 数据治理应从以下三个方面进行理解： ，数据治理的对象是数据，即任何以电子或非电子形式记录的信息，以银行业金融机构为例，包括所有分支机构和附属机构的内部数据和外部数据，覆盖业务经营、风险管理和内部控制流程中的全部数据。第二，数据治理的目标是实现数据价值。数据治理实质上是将数据视为资产，即可以被拥有、使用并产生价值的经济资源。第三，数据治理应关注三个重点：一是数据治理架构，数据治理架构是开展数据治理工作的前提和基
本书是作者在物联网大数据平台等企业合作项目及重量项目中多年实践的结品。本书首先对物联网大数据技术体系进行了系统归纳，阐述了物联网环境下感知数据的特性、数据模型、事务模型及调度处理方法等核心概念与关键技术，并对物联网大数据存储、管理、计算及分析的基本概念与关键技术进行了剖析：其次介绍了物联网大数据管理与应用的感知数据库和平台产品，所介绍的产品来自作者所在团队的实际应用项目，大部分在物联网项目中得到了实践应用：最后给出了适合读者在开源软件上动手实践的相关案例。本书提供配套PPT,请登录华信教育资源网(htps:/www.hxedu.com.cn/)下载。 本书由高校教师联合一线企业工程师编写，充分结合了教学和应用，适合作为物联网工程、数据科学与大数据技术、人工智能等新兴工科专业的教学用书，也可为相关领域的技术人员提供
数据治理是指通过建立组织架构，明确相关部门职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。数据治理有助于控制数据的开发和使用，降低与数据相关的风险，使相关主体可以战略性地利用数据，并从数据治理中获得价值。 数据治理应从以下三个方面进行理解： ，数据治理的对象是数据，即任何以电子或非电子形式记录的信息，以银行业金融机构为例，包括所有分支机构和附属机构的内部数据和外部数据，覆盖业务经营、风险管理和内部控制流程中的全部数据。第二，数据治理的目标是实现数据价值。数据治理实质上是将数据视为资产，即可以被拥有、使用并产生价值的经济资源。第三，数据治理应关注三个重点：一是数据治理架构，数据治理架构是开展数据治理工作的前提和基
阿里巴巴大数据开发专家撰写，源于十余年工作实践，只讲实用有效的“招式”。庖丁解牛式式讲解离线和实时开发平台架构、原理、开发示例，涵盖查询与优化、建模、数仓开发、流计算开发等核心技术。 朱松岭著的《离线和实时大数据开发实战》包含三篇，共计12章内容。 篇——数据大图和数据平台大图( ～2章)，主要站在数据处理和数据处理平台的角度，对数据、数据技术、数据相关从业者与角色、离线与实时数据平台架构等，给出整体性介绍。 第二篇——离线数据处理(第3～7章)，离线数据是目前整个数据开发的根本和主战场，本篇详细介绍了离线数据处理的各种技术：Hadoop：MapReduce、HDFS和Hive的架构、关键原理与使用，以及Hive优化实践、数据建模设计与改良、虚构的某全国连锁零售超市的数据仓库／数据湖实践。 第三篇——实时数据处理(第8
本书以关系数据库为基础，以数据库的设计与编程为重点，以引进面向对象的数据库技术为特色。本书内容新颖、系 统全面；突出重点、注重总结；概念清晰、分析深入；例题丰富、实用性强。 全书从数据库系统基础、关系代数、规范化理论、SQL Server 2008 安全管理、SQL Server 2008 数据库创建和备份、数 据库的恢复与传输、SQL Server 2008 T-SQL 数据查询、SQL 高级应用、Web 编程基础、JSP 技术方面结合了实际数据库开 发需要和高等教育的特点完成编写。
本书首先介绍了R语言的相关知识，包括R语言基础、R语言可视化技术。随后本书详细介绍了数据挖掘与数据分析中重要的理论方法与基础知识，包括线性回归、逻辑回归、决策树与回归树、随机森林、贝叶斯分类器等内容，并展示了如何将R语言用到这些方法的具体场景中。本书通过结合数据挖掘技术的理论知识与R语言的实战应用，帮助读者更好地运用R语言解决数据挖掘中的实际问题。 本书适合作为高等院校管理科学与工程类、工商管理类等专业本科生、研究生的教材，也可以作为相关从业人员的参考读物。
伴随人类社会数字化进程的深入，数据正不断渗透于日常的生活、生产、分配、流通、消费等各个环节，对人类社会的影响日益凸显。数据已成为继土地、劳动力、资本、技术之后的第五大生产要素，对其他生产要素的整合能力也使其成为既有要素中最重要的和最难替代的关键要素，并成为值得重点讨论的时代性议题与理解数字时代的基本入手点。 对数据要素的理解涉及多学科、多视野，本书从与数据要素关系最密切的信息、权属、价值、安全、交易等五个维度出发，汇聚不同学科背景的既有文献，整合现有观点，对数据要素的多维特性进行探讨，以丰富人们对数据要素的认知，凝聚共识，澄清数字时代的发展与治理迷思，为未来的相关创新提供起点。
本书系统阐述Python在金融领域的应用，不仅涵盖核心的金融理论及相关数学概念，还详细讲解行业使用的优选金融模型及Python解决方案。本书首先介绍Jupyter Notebook的设置，随后讲解一系列金融分析中广泛应用的库（如TensorFlow、Keras、NumPy、SciPy、scikit-learn等），这些库可以帮助分析师做出基于数据分析的高效投资决策。书中结合常见的金融概念（如股票、期权、利率及其他金融衍生品等）讲解如何开发金融应用程序以及利用不同的算法实现风险分析。之后，你将学习如何对时间序列数据进行统计分析，了解如何搭建算法交易平台以利用高频数据设计交易策略，以及如何构建事件驱动的回溯测试系统来检验交易策略，评价不同策略的业绩表现。最后，你将探索金融前沿领域正在运用的机器学习和深度学习技术。本书适合对Python定量研究感兴趣的金融从业者、数据分析
数据是自然和生命的一种表现形式。古人结绳计数、勒石记事，客观地记录了人类的成长和社会的发展。今天，大数据时代，数据洪流激荡着时代的发展。本书穿越数据的前世今生，回顾了数字和数据的基本演进过程，从数学家借助概率发现数据分布的秘密到量化看世界引领大数据思维；从虚拟现实、数据孪生、数据世界的规则深入探究元宇宙的数据本质，展现即将跟随元宇宙迸发的数据活力。本书能给读者以启发和参考，一起走向数字时代的未来。
数据结构教程(第3版) 第3版第2次印刷
