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。 第壹部分（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

暂无内容简介。。。。。。

本书系统讲授数据挖掘的原理、主要方法及其Python实现，共分三部分：第一部分包含第1～2章，介绍数据挖掘的基本概念、流程和数据预处理；第二部分包含第3～11章，介绍经典的分类算法（包括朴素贝叶斯分类器、决策树、k-近邻、支持向量机等）、经典的聚类分析、关联分析、人工神经网络和Web挖掘等方法；第三部包含第12～14章，共有3个综合案例，包括泰坦尼克号生存数据分析、心脏病预测分析和旅游评论倾向性分析。

本书的主要内容包括网络数据的定义及相关指标、大规模网络中的链路预测、网络聚类分析、网络数据中的空间自回归模型、大规模网络数据中的模型估计方法、网络数据中的空间自回归模型的拓展及应用、网络中的空间自回归模型的其他研究方向等。本书关注大规模网络数据分析中的模型方法。除模型方法本身的理论拓展之外，在估计方法等方面会涉及大规模数据中的快速计算方法。由于网络分析本身的范围非常广泛，故本书涉及的内容仅局限于作者及团队研究工作中使用到的一部分。在本书的后，为了启发读者思路，对于部分已有网络研究进行了梳理。

机器学习是计算机科学和人工智能中 重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术。Drew Conway编著的《机器学习(实用案例解析)》比较全面系统地介绍了机器学习的方法和技术，不仅详细阐述了许多经典的学习方法，而且讨论了一些有生命力的新理论、新方法。 全书案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。《机器学习(实用案例解析)》讨论的案例涉及分类、回归、聚类、降维、 化问题等。这些案例包括：垃圾邮件识别、智能收件箱、预测网页访问量、文本回归、密码破译、构建股票市场指数、用投票记录对美国参议员聚类、给用户 r语言包、分析社交图谱、给问题找到 算法等。各章对原理的叙述力求概念清晰、表达准确，突出理论联系实际，富有

这是一本没有编程基础也能学习的企业数据分析书。本书以解决企业中常见的数据分析问题为主线，通过实例，采用“思路―方法―具体实现过程”的结构进行通俗易懂的讲解。本书共分为3篇。篇，带领读者了解数据分析并熟