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。

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。

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、

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。

本书以HadoopHDFS为载体，介绍了构建一款分布式系统（尤其是存储方向）所需的核心技术，所有内容均基于当前较新的3.3.x/3.4.x版本，分别从理论和实践两个维度逐一阐述。本书主要包括两篇：核心原理篇介绍了HDFS的诞生历史、元数据及Block管理、节点间通信机制、读写数据流程和高可用实现原理等；拓展与实践篇从实际出发，充分考虑了用户在应用过程中会遇到的痛点，详细介绍了集群拓展方法、数据分层存储、集群维护与多租户实施等实践经验。本书各章节都配有必要的流程图和原理分析图，便于读者阅读理解，并精选了非常有用的实际案例及拓展知识。阅读本书后，相信会给读者带来“1+1 2”的效果。本书非常适合大数据从业者、云计算领域研发及运维人员、高校研究生和热衷于分布式的技术极客阅读学习。

这是一本关于数据结构和算法的书，以Java为描述语言，介绍了计算机编程中常用的数据结构和算法。全书共13章，讲述了常见的数据结构、排序算法、位运算、树、递归、回溯算法、贪心算法、双指针和滑动窗口、BFS和DFS、前缀和、动态规划、并查集、其他经典算法等知识。本书内容丰富，实用性强，通过示例练习和问题分析等方式，详细讲解了与算法有关的知识点。本书附赠视频讲解二维码，以及源代码。本书适合程序员、计算机专业相关师生，以及对算法感兴趣的读者阅读。

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

高巍主编的《ANSYS AQWA软件入门与提高/ANSYS工程行业应用系列/万水ANSYS技术丛书》着眼于ANSYS AQWA软件实际操作，在基本理论介绍基础上对使用AQWA软件进行浮体分析进行了介绍并辅以工程实例，力图以一种全新的方式将海洋工程浮体分析工程实际与工程软件使用结合起来并呈现给读者。 本书共分6章，主要内容包括：主流分析软件介绍、海洋工程浮体分体理论基础、经典AQWA的建模、使用经典AQWA进行浮体分析、AQWA与Workbench、分析实例。 本书面向的目标读者为从事海洋工程浮体分析工作，以及使用AOWA软件的学生和工程技术人员。

本书聚焦“启发式方法”这个主题，分5个部分进行介绍。第1部分概述了各种类型的启发式方法；第2部分侧重于面向数据的启发式方法及其在数据科学问题中的应用；第3部分诠释了面向很优化的启发式方法，以及它们如何解决具有挑战性的很优化问题；第4部分是讲解如何设计和实施新的启发式方法，以解决特定问题的相关内容；第5部分介绍了关于启发式方法的其他主题，如透明度和局限性等。 本书适合从事和计划从事数据科学领域相关工作的读者阅读。

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

《高性能MySQL》一直是MySQL领域的经典之作，影响了一代又一代的DBA和技术人员，从第3版出版到第4版出版过去了近十年，MySQL也从5.5版本更新到了8.0版本。第4版中增加了大量对MySQL5.7和8.0版本新特性的介绍，删除了一些在新版本中已经废弃或者不再常用的功能，还增加了对云数据库的介绍，减少了在官方文档中已有的基础使用和配置相关的内容。这些年，MySQL经过在大量大规模互联网场景中的应用验证，使得本书在继续关注高性能之外，还用了较多的篇幅来介绍如何实现MySQL的大规模可扩展应用和合规性问题，这是相比第3版优选的不同，也是本书封面上所写的“经过大规模运维验证的策略”的体现。 本书适合数据库管理员(DBA)阅读，也适合系统运维和开发人员参考学习。不管你是数据库新手还是专家，相信都能从本书中有所收获。

本书通过大量实战案例和项目全面讲解如何利用Python进行自动化办公，帮助广大职场人士快速处理大批量或重复性的工作，将过去需要一天或几天时间完成的工作，在几分钟或者十几分钟内完成，大大提高工作效率。 本书主要内容包括Python安装及编程方法、Python语法基础实战、自动化分析处理数据实战、自动化操作Excel文档实战、自动化图表制作实战、自动化操作Word文档实战、自动化制作PPT幻灯片实战、自动化操作PDF文档实战、自动群发邮件及自动抓取网络数据实战和Python自动化办公实战项目。 本书将基础知识与实际工作场景案例相结合，图文并茂、由浅入深、易学易懂。 本书适合广大职场办公人士、财务人士、数据分析人士等用户阅读，也可作为中、高等职业技术院校程序设计课程的参考用书。

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