使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加 多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADMM）则是求解带约束优化问题的有力工具。《BR》 本书概述了机器学习中ADMM的新进展。书中全面介绍了各种情形下的ADMM，包括确定性和随机性的算法、集中式和分布式的算法，以及求解凸问题和非凸问题的算法，深入介绍了各个算法的核心思想，并为算法的收敛性和收敛速度提供了详细的证明。

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。

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

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全球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（第1～3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章详细阐述了不同类型的数据的管理方式和

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

本书介绍了数据工程生命周期，并展示如何组合运用各种云技术来满足下游数据消费者的需求。本书分为三部分：第一部分介绍了数据工程的定义、数据工程的生命周期、合理的架构设计和帮助技术选型的框架；第二部分深入介绍了数据工程生命周期的每个阶段——数据生成、存储、获取、转换和服务；第三部分讨论了数据工程的重要部分——安全和隐私。附录还介绍了与处理数据文件和评估数据系统的性能有关的序列化和压缩，以及云网络。本书适合软件工程师、数据科学家、数据工程师和数据分析师等相关技术人员阅读。

本书定位为NVIDIA BlueField DPU和NVIDA DOCA的入门学习参考，内容涵盖DPU的简介、技术优势及未来技术发展路径，包括NVIDIA BlueField DPU在结构通用化、功能多样化、应用广泛化和场景丰富化方面的前景展望，NVIDA DOCA软件框架开发环境配置，以及基于NVIDIA BlueField DPU利用NVIDA DOCA软件框架的应用程序开发实践案例。读者可以通过本书对DPU硬件架构与软件开发有一个整体了解，学习如何启用NVIDIA BlueField DPU以及搭建NVIDIA DOCA软件开发环境，并通过深入了解NVIDIA DOCA应用程序开发用例来掌握如何实现软件定义、硬件加速数据中心基础设施的应用程序或服务，并据此开启自己的开发之旅。

《企业级数据架构:核心要素、架构模型、数据管理与平台搭建》由李杨著

近年来，智能科技的迅猛发展对人类社会的法律伦理产生了相当深远的影响。在此背景下，本书应运而生。其脱胎于《法治 》于2019年创办的“智道”栏目，记录了自进入智能科技时代以来中国学者、实务界人士对智能科技与法律伦理问题所做的诸多探讨，囊括数据治理、算法问责、人脸识别、数字素养等领域的热点话题。这是一部“桥梁”之作。全书共十编，用通俗简明的语言，将智能科技与法律伦理之间的冲突、互动与辨证娓娓道来，旨在促进不同文化领域的沟通，拉近专业人士与业外人士之间的距离，为科技向善贡献一份力量。

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、

本书回顾了与现有人脸识别尤其是三维人脸图像识别研究相关的大量研究成果，探讨和总结了三维人脸识别研究需要着重解决的技术要点和以待克服的困难及问题，并在此基础上创新性地提出并实现了一种基于三维曲面形状描述符的三维人脸图像自动识别的技术框架，实现了从原始粗糙的三维人脸图像数据到 终完成人脸识别的各项必需任务。在技术框架的 阶段，关键的人脸特征（尤其是鼻尖）需要被极其 地识别和定位，从而为进行后续的人脸识别 终关键任务奠定良好的图像数据处理基础。

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。

自2019年底加入墨天轮数据社区以来，笔者在PG乐知乐享专栏持续撰写了与PostgreSQL相关的文章，近几年陆续撰写了一些有关各版本新特性方面的文章。由于PostgreSQL每个版本发布的新特性较多，因此要想全面、完整地掌握PostgreSQL新特性十分困难。本书对PostgreSQL的7个大版本：从PostgreSQL10到PostgreSQL16，根据公开的新特性实验手册、新特性相关的文章、邮件列表、社区核心提交者相关的博客，以及官方ReleaseNotes等素材进行精加工，并从主要性能、可靠性、运维管理、开发易用性、系统层5个方面进行介绍。在当前国内外环境下，PostgreSQL正在不断崛起，本书从新特性的视角帮助读者掌握数据库的正确使用方式。

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

本书全面探讨了企业数据治理的方向、策略、总体架构、治理机制、运维管理等内容。首先介绍企业数据治理的发展方向，提出了企业数据治理的“八步走”策略。然后从项目层面对企业如何进行数据治理进行了深入分析，分别对数据治理项目的前期准备、项目实施方法论及调研分析、构建数据管理体系、存量数据清洗、完善数据交换架构、优化增量数据质量、企业数据治理项目的管理，以及数据治理项目后的数据运维工作、风险监控进行了探讨，并分享了大量数据治理项目实际案例。本书是一部完整的企业数据治理实战读物，内容主要面向企业信息总监、企业架构师和数据管理人员等，能够帮助读者系统地掌握企业数据治理的策略、方法。

本书全面系统地讲解了万用表的种类、结构、工作原理，以及使用方法的专业知识和实操技能。为了确保图书的品质和特色，本书对目前各行业的万用表应用技能进行了细致的调研，将万用表使用和应用技能按照岗位特色进行了整理，并将国家职业资格标准和行业培训规范融入图书的知识体系中。具体内容包括：万用表种类和功能特点、学用指针万用表、学用数字万用表、万用表检测基础电子元件、万用表检测常用半导体器件、万用表检测常用电气部件、万用表检测电流、万用表检测电压、万用表检测电话机的应用实例、万用表检测吸尘器的应用实例、万用表检测电风扇的应用实例、万用表检测洗衣机的应用实例、万用表检测电饭煲的应用实例、万用表检测微波炉的应用实例、万用表检测电磁炉的应用实例、万用表检测电动自行车的应用实例。 本书可作为专业技能

本书会告诉你如何为组织设计合适的数据保护系统，以降低组织的成本和出现问题的可能性。系统管理员与网络管理员既要保护数据中心的物理机、虚拟机以及云平台中的设施，还要保护各种移动设备，此外还有Microsoft 365、Google Workspace与Salesforce等SaaS产品，以及由Kubernetes与容器工作负载创建的持久数据，这实在是一个相当繁杂的任务。 为了帮助大家解决上述难题，本书提供了几种解决方案，以便你从中选出适合的方案。你将了解每种工作负载的独特要求，然后探索可用于保护这些数据源的各种商用备份硬件、软件与服务，并探讨每种方法的优点与缺点。 学完本书，你将： 了解哪些工作负载类型（数据）应该备份。 探索用于备份数据的软件、硬件与服务。 能够判断目前的数据保护系统有什么缺陷。 学会如何将每种数据源分别交给擅长处理这种数据源的备份系

本书按照需求规划、需求实现、可视化的流程进行编排，通过项目开发的主要流程，介绍数据仓库的搭建过程。在整个数据仓库的搭建过程中，本书介绍了主要组件的安装部署、需求实现的具体思路，以及各种问题的解决方案等，并在其中穿插了许多与大数据和数据仓库相关的理论知识，包括数据仓库的概念、电商业务概述、数据仓库理论和数据仓库建模等。 本书共14章，其中，第1～3章是项目的前期准备阶段，主要介绍了数据仓库的概念和搭建需求，并初步搭建了本数据仓库项目所需的基本环境；第4～7章是项目的核心部分，详细介绍了数据仓库的建模理论，并完成了数据从采集到分层搭建的全过程，是本书的重点部分；第8～14章是对数据治理各功能模块的实现，针对数据治理的不同功能需求分模块进行实现。 本书适合具有一定编程基础并对大数据感兴趣的读者

本书是一本系统介绍MySQL性能优化相关技术、方法及实践的实用指南。在书中，作者首先详细解释了查询响应时间；然后介绍了直接查询优化（创建和编制索引）、间接查询优化（减少数据访问和存储）等提高MySQL性能的方法，还通过讲解数据访问模式、MySQL分片的基本机制、MySQL的服务器指标、复制延迟、MySQL的事务（涉及InnoDB行锁）等知识为优化MySQL性能提供思路；之后介绍了一些常见的MySQL挑战，以及应对方法；最后讨论了在云中使用MySQL时需要知道的知识，拓展了读者的思维。

本书以面对纷呈复杂问题时如何理清数据关系，选择适宜高效的数据结构和解题方法为主线，分别阐述线性表、树、图的解题策略，全书共16章。每章以相关的数据结构、高级数据结构的知识体系为大纲，以基于程序设计竞赛试题的解题实验为核心单元，以期通过案例化的学习，系统、全面地提高读者编程解决问题的能力。本书既可以作为ACM-ICPC、IOI等各类程序设计竞赛的训练教程，又可以作为大学本科、研究生的教材，也可以作为IT研发人员提高编程能力的辅导教材。