本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。
《商业智能工具应用及数据可视化》一书聚焦商业智能与数据可视化主题，从概念、价值、方法、工具等理论基础出发，以实际场景为参考，分入门、进阶两大阶段，以帆软FineBI为例从商业智能工具的基本知识，商业应用场景，数据可视化优秀案例等方面，介绍了商业智能工具和各种常规和高级可视化图形的使用方法，重点介绍了商业智能工具FineBI的数据分析与可视化应用实践。本书内容层层递进，体系完善，可使读者对商业智能工具的运用有一个全面、系统、深入的了解。
本书是国内绝大多数高校采用的知名教材《云计算》（1-3版）的姊妹篇，是中国大数据专家委员会刘鹏教授联合国内多位专家历时两年的心血之作。大数据领域一直缺乏一本权威教材，希望本书能够填补空白。本书系统地介绍了大数据的理论知识和实战应用，包括大数据采集与预处理、数据挖掘算法和工具和大数据可视化等，并深度剖析了大数据在互联网、商业和典型行业的应用。刘鹏教授创办的网站中国大数据（thebigdata.cn）、中国云计算（chinacloud.cn）和微信公众号刘鹏看未来（lpoutlook）将免费提供本书配套PPT和其他资料。本书配套的大数据实验体系已经在郑州大学等高校成功应用。
本书介绍了数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况，讲述了常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书还从实际应用出发，讲解了基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。日志挖掘技术现在已得到了广泛的运用。通过以上内容的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。
刘振华著的《电商数据分析与数据化运营》从业务、数据、运营3个维度为电商的经营和决策提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。作者是资深的电商行业专家，从事商数据分析与数据化运营10余年，本书是他在多个知名电商品牌操盘多个千万级项目的经验总结。 为了增强本书的趣味性和读者的角色代入感，本书采用了纪实和叙事的写作手法，书中虚拟了3个核心人物： Alex：临危受命、勇挑重担、运筹帷幄的BI部门经理（资深数据分析师）。 叶子：有电商行业从业经验但是不懂数据分析的业务员。 大白：从其他行业转型到电商行业的数据分析师。 全书有两条主线： 暗线：叶子和大白在Alex的指导和帮助下成长为“精业务、精数据、精运营”的“三精”数据分析师的经历，这对数据分析师的职业
本书系统介绍大数据技术的原理、数据挖掘与应用，主要内容包括基本概念、数据收集、数据存储、数据处理、大数据可视化、信息检索、数据挖掘和效能评估。本书以简单易懂的语言、生动有趣的实例和图形展示知识点，将概念、原理与应用融会贯通，并对大数据工具软件进行了细致的梳理。
本书分10章，全面介绍了Hadoop云技术及其在光网络研究方面的真实案例。读者通过本书的学习，可以掌握搭建及维护Hadoop平台的相关知识和技术。
本书详细介绍了一*大数据应用案例 电信用户行为分析，案例涉及数据预处理、数据存储与管理、数据分析和数据可视化等流程，涵盖Linux、MySQL、Hadoop、Spark、IntelliJ IDEA、Spring等系统和软件的安装与使用方法。案例采用的编程语言是Scala和Java。
本书重点介绍了基础设施运维概念以及如何进行规范操作，实用性高，可操作性强。主要内容如下。第1章总则部分，定义了规程中用到的术语、编写原则、适用范围。第2章对数据中心运维组织、人员、基本制度、运维流程进行了描述。第3～9章重点描述了高低压变配电系统、发电机组、UPS、直流系统、蓄电池组、冷水型制冷系统、直接膨胀式空调、新风自然冷系统、普通空调、制冷自控系统BA、动力环境监控系统、防雷接地系统、综合布线、安防系统和消防系统的维护技术和维护周期要求。本书旨在指导、规范和帮助数据中心的业主和用户提升运营维护的质量和效率，降低运营维护成本，提高经济效益。本书适用于政府、公共事业、金融、互联网企业基础电信运营企业等数据中心基础设施的运维管理人员阅读。
本书是普通高等教育“十一五”***规划教材。全书共10章，内容包括：数据结构的概念，几种基本的线性结构（如线性表），栈和队列，串，几种非线性结构（如多维数组和广义表），树，图，常用的数据处理技术（如排序），查找，文件的存储结构和组织方法等。在每章中都收集了难度各异的习题和例题，全书采用C语言作为算法描述语言，并有详细的注释，书中全部程序均上机验证并调试通过，同时给出部分程序的运行结果。各章中的“简单应用举例”，既是本章算法的综合应用，也可作为本章实训内容和课程设计的综合练习，全书有很强的实用性和可操作性。 本书可以作为全日制高等学校计算机应用专业、微电子和信息工程专业、计算机信息管理和经济信息管理类等专业普通本科学生的专业基础课教材，也可以作为上述专业高职高专学生的参考教材，还可以作
本书是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，多方面整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。 全书共19章，分为三个部分：基础篇（靠前～4章）系统介绍了数据分析挖掘和数据化运营的相关背景、数据化运营中“协调配合”的核心，以及实践中常见分析项目类型；实战篇（
掌握数据可视化技术是未来工作和学习的能力，是展示理念和成果的重要手段。阅读并完成本书的实践，你将快速地学会数据获取、清洗、分析、可视化及发布的完整流程。本书以丰富的实践案例解析数据可视化的制作理念和具体方法，紧密围绕当前数据可视化领域的实际需求，全面介绍数据可视化的概念和技巧。本书包含基础知识、数据获取、数据清洗、数据分析、可视化基础和原则、数据可视化工具和可视化作品发布等内容，基于具体案例多角度启发和引导读者的创新思维，增强读者对抽象数据的把握及综合可视化能力的提升。本书内容通俗易懂，简明实用，配套的教学辅助资料可免费下载。本书适合零编程基础的数据可视化从业者和高校师生阅读，有一定工作经验的数据可视化工程师也可以从本书中学到大量实用的技能。
本书在介绍R软件基本功能的基础上，介绍了数据挖掘十大经典算法的基本原理及相应的R语言实现范例，旨在使读者能够仿照范例快速掌握大数据分析的方法，从高维海量数据中挖掘有用的信息，使用合适的数据挖掘算法，解决实际问题。全书内容共12章，分别介绍R软件的使用方法、C4.5算法、k-means算法、CART算法、Apriori算法、EM算法、PageRank算法、AdaBoost算法、kNN算法、Naive Bayes算法、SVM算法及各算法的案例分析。本书理论部分简单明了，所有程序均经过R软件实际运行。本书各章自成体系，读者既可从头逐章学习，也可随意挑选自己需要的章节学习。读者可登录华信教育资源网www.hxedu.com.cn免费下载算法实例代码。本书既可作为高年级本科生、研究生相关课程的教材，也可作为不同领域数据分析人员的工具书，还可作为零基础读者的自学教材。
数据挖掘技术，又称为数据库知识发现，是20世纪90年代在信息技术领域开始迅速发展起来的计算机技术。作者结合自己近20年从事人工智能、机器学习、数据挖掘等方面的科研工作积累与教学经验，编著此书。 本书较全面系统地介绍了数据挖掘中常用和常见的数据挖掘方法，以及文本与视频数据挖掘方法。 本书的主要内容包括：数据挖掘基本知识、数据挖掘预处理方法、决策树分类及其他分类方法、关联知识挖掘方法、各种聚类分析方法，以及文本挖掘所涉及表示、分类和聚类等方法，还包括视频挖掘所涉及的视频镜头检测、字幕提取、视频摘要和视频检索等主要分析方法。 本书作为学习、掌握和应用数据挖掘方法和技术的综合指导书，是从事数据挖掘研究与应用人员，以及希望了解数据挖掘主要方法和技术的IT技术人员的良师益友；同时也是一本可用于大学
大数据技术让我们以一种前所未有的方式，对海量数据进行分析，从中获得有巨大价值的产品和服务，*终形成变革之力。本书围绕Hadoop和Spark两个主流大数据技术进行讲解，主要内容包括Hadoop环境配置、Hadoop分布式文件系统（HDFS）、Hadoop分布式计算框架MapReduce、Hadoop资源调度框架YARN与Hadoop新特性、Hadoop分布式数据库HBase、数据仓库Hive、大数据离线处理辅助系统、Spark Core、Spark SQL、Spark Streaming等知识。本书紧密结合实际应用，运用大量案例说明和实践，提炼含金量十足的开发经验。另外，本书配以多元的学习资源和支持服务，包括视频教程、案例素材下载、学习交流社区、讨论组等学习内容，为读者带来全方位的学习体验。
本书分为三大部分，分别为大数据基础理论分析、基于海量语意规则的大数据流处理技术及大数据应用。 *部分介绍大数据领域的主要基础理论，包括大数据基本概念、可编程数据中心、云文件系统、云数据库系统、大数据并行编程与分析模型、大数据智能计算算法、基于大数据的数据仓库技术、大数据安全与隐私保护，以及基于大数据的语意软件工程方法等。 第二部分介绍基于海量语意规则的大数据流处理技术，包括基于规则的大数据流处理介绍、语意规则描述模型、海量语意规则网及优化、海量语意规则处理算法及海量语意规则并行处理等。 第三部分主要介绍大数据的一些典型应用，包括：文化大数据、医疗健康大数据、互联网金融大数据、教育大数据、电子商务大数据、互联网大数据、能源大数据、交通大数据、宏观经济大数据、进出口食品安全监管大数据
