本书讲述了数据库技术的发展史，从数据和数据库始，到区块链和大模型止，全面介绍了数据库技术的发展历程，包括数据库领域天才科学家、产品先行者的贡献，以及中国数据库的探索和发展格局，并试图对中国数据库的根社区发展、数据库架构演进方向做出推导和建议。 本书深入浅出地探讨了数据库发展过程中的关键技术、核心挑战，以及那些引人入胜的趣闻轶事。同时，书中还对数据库行业内的典型企业进行了细致的分析。通过阅读本书，读者不仅能领略到技术的魅力，还能从中汲取关于个人职业发展和企业产品研发的宝贵启示。此外，本书通过对数据库历史上成功与失败的企业案例剖析，还为读者提供了技术与商业融合的宝贵经验。 本书不仅适合对数据库技术感兴趣的读者，也非常适合作为本科生和研究生的教材，帮助他们深入了解数据库行业的发展历
《数据资产管理核心技术与应用》深入探讨数据资产管理的核心技术与应用，融入作者在大数据领域多年的丰富经验。《数据资产管理核心技术与应用》为读者提供一套可以落地的数据资产管理框架，并详解两个基于该框架进行数据资产管理的应用案例，使读者能更好地了解数据资产管理底层所涉及的众多核心技术，让数据可以发挥出更大的价值。《数据资产管理核心技术与应用》配套PPT课件、示例源代码、作者微信群答疑服务。全书共分10章，第1章主要让读者认识数据资产，了解数据资产相关的基础概念，以及数据资产的发展情况。第2～8章主要介绍大数据时代数据资产管理所涉及的核心技术，内容包括元数据的采集与存储、数据血缘、数据质量、数据监控与告警、数据服务、数据权限与安全、数据资产管理架构等。第9～10章主要从实战的角度介绍数据资产管理
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。
本书结合编者多年的数据分析与科研绘图经验，详细讲解Python语言及包括Matplotlib在内的多种可视化包在数据分析与科研图表制作中的使用方法与技巧。本书分为两部分，共11章，第1部分主要讲解Python语言的基础知识，包括基本语法结构、控制语句、函数、数据处理与清洗等，尤其对Matplotlib、Seaborn、Plotnie库进行较为详细的讲解。第2部分结合Python及其附加包的数据可视化功能，分别讲解类别比较数据、数值关系数据、层次关系数据、局部整体型数据、分布式数据、时间序列数据、多维数据、网络关系数据的可视化实现方法。本书可帮助读者尽快掌握利用Python及可视化库进行科技图表的制作与数据展示。 本书注重基础，内容翔实，突出示例讲解，既适合广大科研工作者、工程师和在校学生等不同层次的读者自学使用，也可以作为大中专院校相关专业的教学参考书。
本书在前四版畅销书的基础上，根据SPSS 26.0软件升级的市场应用需求进行第5次升级修订。 本书结合具体的SPSS统计分析实例，图文并茂地介绍了近期新版本SPSS 26.0的各种统计分析方法，包括基本统计分析、参数与非参数检验、方美分析、相关分析、同归分析、名重响应分析、聚类分析、判别分析、因子分析、主成分分析、对应分析、时间序列模型、信度分析、生存分析和缺失值分析的原理和使用方法。全书注重内容的实用性，在译细介绍SPSS常用的提作功能基础上，通过一些综合应用案例（在医学、经济管理、自然科学和社会科学中的应用）来演示实际统计分析中SPSS的使用。 本书适用于SPSS软件17.0～26.0版本，作者录制了96个视频教学文件，读者可通过扫描各章节二维码阅读学习。本书可作为高校经济学、管理学、统计学、公共管理、社会学和卫生统计等专业学生学
随着信息、互联网、社交媒体、卫星定位、基于位置的服务（Location Based Services，LBS）等技术的发展，轨迹数据领域迎来了大数据时代。在轨迹大数据背景下，轨迹数据分析的关注度得到持续攀升，它能够借助移动对象的时空特征和移动行为信息发现新知识和模式，从而为智慧城市计算与服务、交通管理与规划、物流管理、智能制造、旅游路径推荐、自然灾害预测与预警、疫情传播监测等诸多领域提供决策支持与服务。本书以轨迹数据相关分析及挖掘技术为主要研究对象，针对轨迹大数据背景下轨迹数据的特征及分析需求，对数据噪声处理、特征提取、相似性度量、参数依赖及复杂轨迹聚类等问题开展了深入研究。本书可供从事大数据、数据挖掘、机器学习、轨迹数据分析等相关领域的科研及工程人员参考，也可作为高等院校计算机、软件工程及自动化、信息与通
本书是一本关于在AI时代量化交易的实战指南，以Python编程语言和ChatGPT技术为工具，帮助读者掌握量化交易的核心概念和实际应用。通过深入的讲解和实践案例，本书将引领读者从初学者逐步成长为具有实战能力的量化交易专家。本书讨论了机器学习在量化交易中的应用，包括基本的机器学习算法、特征选择和模型评估等，帮助读者理解机器学习策略的基本原理和实践方法。通过本书的学习，读者将能够全面了解量化交易的核心概念和方法，掌握Python编程语言和ChatGPT技术在量化交易中的应用，以及各种常见的量化交易策略的实现和优化。无论您是金融从业者、投资者，还是对量化交易和人工智能感兴趣的一般读者，本书都将为您提供丰富而实用的知识，帮助您在量化交易的世界中插上翅膀，实现投资策略的成功和财富的增长。
本书从Power BI概述及对Power BI进行基本操作讲起，逐步展开，依次讲解输入和连接数据、数据的清洗和整理、管理行列数据、建立数据分析模型、创建与修饰可视化报表、数据可视化报表高阶应用、常用视觉对象类型、Power BI在线服务、Power BI实战演练等，形成了一套结构清晰、内容丰富的Power BI知识体系。通过对本书的学习，读者可以从烦琐的数据处理和报表编制中解脱，快速从海量数据中抽取关键信息并制作令人惊艳的交互式商业报告，此外，还可以将报告通过PPT或网络与他人分享，实现自我价值的提高，为企业决策提供助力。本书面向有一定Excel使用经验，需要进一步提升数据分析能力与数据可视化能力的信息工作者。无论是Power BI的初学者、中高级用户，还是IT技术人员，或者是在校学生，都将从本书中找到值得学习的内容。
本书基于Python语言环境，从零开始讲解数据科学工作，讲述数据科学工作所需的技能与诀窍，并带领读者熟悉数据科学的核心知识：数学与统计学。作者借助大量具有现实意义的实例详细展示了什么是数据科学，介绍了从事数据科学工作需要用到的库，如NumPy、scikit-learn、pandas等，还在每章末尾推荐了很多学习资源，帮助你进一步巩固本书所学。新版基于Python 3.6，重写了所有示例和代码，并根据数据科学近几年的发展，新增了关于深度学习、统计学和自然语言处理等主题，让图书内容与时俱进。
笔者根据自己多年的数据分析与挖掘经验，从零基础读者的角度，详尽地介绍了Python数据分析与挖掘的基础知识及大量的实战案例。 全书分为4篇，第1篇是基础入门篇，主要介绍数据分析与挖掘的基本概念及Python语言的数据分析基础；第2篇是数据分析篇，主要介绍常用的数据分析方法；第3篇是数据挖掘篇，主要介绍常用的数据挖掘方法；第4篇是实战应用篇，介绍两个完整的数据分析与挖掘案例，让读者了解如何系统地应用前面学到的各种方法解决实际问题。对于书中的大部分章节，笔者还结合实际工作及面试经验，精心配备了大量高质量的练习题，供读者边学边练，以便更好地掌握本书内容。 本书配备所有案例的源码，适合有一定数学基础的读者使用，但不要求读者具备编程基础，适合刚入行的数据分析人员或从事与数据相关工作、对数据感兴趣的人员，也适合
针对目前公共安全事件大数据预警应用系统中天基数据资源种类偏少、前端感知数据结构化能力偏低、预测预警模型的实战性不强、通用平台与具体业务应用场景的适配性不高等问题，本书利用天空地海量多源异构数据汇聚与关联架构、全天候关注目标检测追踪与理解，基于认知转化的公共安全事件演化预测建模等关键技术，基于天空地一体化公共安全事件智能感知与理解系统，围绕应急处突、交通枢纽异常管控、石化园区异常管控、无人机管控、天空地应急指挥平台、危险品监管应用平台等领域应用，汇聚特定业务应用所需的各类数据，结合特定业务功能和实战业务需求修正公共安全事件预警预测模型，开展综合应用探索，对天空地大数据公共安全事件预警预测应用系统的数据资源、技术体系、服务架构与模式、应急链构建、关键技术、系统模型、硬件装备、
数据挖掘是一门技术，本书正是基于易懂、易学的Python软件来实现数据挖掘目标的。全书共12章，介绍了Python的基础知识，数据挖掘技术的基础知识，数据挖掘的方法、技术，使用Python进行数据挖掘技术的应用。本书优选特色是基于大量实例并应用Python编程来介绍数据挖掘，使读者易于理解和掌握相关知识点。 本书适合Python学习者、学习数据挖掘课程的本科生和研究生、数学建模学习者、数据处理与科学计算等相关研究人员参考阅读。
本书主要介绍使用Oracle?12c数据库对数据进行管理和应用的知识。本书共分为18章，介绍了Oracle数据库概述，Oracle的体系结构，实现数据库，SQL基础，SQL函数，PL/SQL编程，SQ
本书以MySQL 8.0为主，全面系统地阐述了MySQL日常使用及管理过程中的一些常用知识点：安装、复制、binlog、备份、监控、DDL、线程池、中间件、常用工具、组复制、InnoDB Cluster、JSON、MySQL 8.0的新特性。本书定位于实战，目的是让读者拿来即用，快速上手MySQL。除了实战，本书还花费了大量的篇幅来讲解MySQL中一些常见操作、常用工具的实现原理。组复制是MySQL官方推荐的高可用方案，本书会从源码角度分析组复制的一些核心模块的实现细节，包括分布式恢复、冲突检测、事务一致性以及流量控制机制等。
Stata是一种功能全面的统计分析软件包，具有易操作、运行速度快、功能强大的特点，主要针对经济、管理、医学、农学、教育、市场研究、社会调查等行业和领域，是大数据时代最为流行的计量软件之一。 全书内容共分17章。第1、2章介绍Stata操作入门及数据处理基础知识、描述性统计与图形绘制基础。第3～5章介绍假设检验、方差分析、相关分析等基础分析方法。第6～10章通过相关案例介绍经典及放松各种假定条件的回归分析，包括基本线性回归分析、线性回归分析诊断与处理、非线性回归分析、因变量离散回归分析、因变量受限回归分析等应用。第11～16章以典型案例讲解主成分分析与因子分析、聚类分析、时间序列数据分析、面板数据分析、生存分析、多方程模型等高级分析方法。第17章介绍如何使用Stata进行高质量的综合性研究，讲解研究方案设计、调查问卷
撰写本卷旨在协助读者深入了解数据中心建设的全流程，把握智能、绿色数据中心建设过程中的关键环节。通过阅读本卷可获得以下三个方面的收益：1、知晓各家特点：读者能够系统化地了解到IDC行业中各典型数据中心的特点及其基本运转逻辑；2、谙熟关键环节：读者可以借鉴本卷对数据中心的规划、建设与运营，领悟其中的设计思路、管理方法、关键技术，助力构建安全、稳定、高效、绿色的云数据中心；3、把握未来方向：能帮助上云组织、决策者、管理者、行业专家、研究学者以及各界云领域专业人士把握数据中心未来发展方向。
