本书全面介绍了数据开发利用技术，包括大数据计算、大数据管理、大数据安全、大数据可视化、数据自治、数据爬虫、知识图谱、大数据挖掘、深度学习、区块链等技术，还介绍了数据产品生产技术。这些技术涵盖了数据获取与管理、数据分析与应用、数据安全与流通等数据开发利用的各个环节，形成一个较为完整的大数据技术体系。

本书旨在为包括研究生和工业从业者在内的研究人员提供有关为数据驱动的进化优化而开发的方法的全面描述。本书共分12章，~4章简要介绍了优化、进化计算和机器学习中精心挑选的重要主题和方法。第5章提供了数据驱动优化的基础知识，包括启发式算法和基于获取函数的代理模型管理。第6章介绍使用多个代理模型进行单目标优化的方法。第7~8章中描述用于求解多目标和多目标优化算法的代表性进化算法以及代理模型辅助数据驱动的进化多目标和多目标优化。第9章详细阐述了高维数据驱动优化的方法。0章描述迁移学习和迁移优化。1章讨论离线数据驱动的进化优化，以翼型设计优化等实际优化问题为例、原油蒸馏优化和急救系统优化。，2章强调了深度神经架构搜索作为数据驱动的昂贵优化问题。

《数据质量管理基础》正文由7章组成（重点考虑关系型结构化数据）：章简介数据质量问题；第2章展开讨论条件依赖理论；第3章阐述发现条件依赖，以及基于发现条件依赖检测数据不一致、修复数据的实践技术；第4章介绍依赖匹配作为数据去重的匹配规则；第5章重温经典的两个信息完整性假定，即封闭世界假定和开放世界假定，并提出和研究相对信息完整性理论；第6章进行数据时效性建模，以便时间戳缺失情况下，在数据库中进行实体值辨别并基于此返回查询结果；第7章探索数据质量问题之间的交互作用。

在自助式数据准备产品中，Tableau Prep相对来说比较容易使用，只要你知道如何清理和组织你的数据集。来自伦敦信息实验室（The InformatioLab）的Carl Allchin，通过一系列的实用课程能让你快速掌握如何使用Tableau Prep，包括数据准备、清理、自动化、组织和输出数据集的方法。 这本实用技术指南基于Allchin的热门博客Preppin' Data，它将带你一步一步了解Tableau Prep的基本原理。自助式数据准备可减少完成数据项目所需的时间，并提高你的数据分析质量。 《O'Reilly：Tableau Prep即学即用》将探究Tableau Prep是如何帮助我们访问数据，并将其转化为有价值的信息的过程。 了解准备数据时需要注意的事项。 了解处理数据字段时要使用哪些Tableau Prep函数。 分析数据集的形态和概貌。 对输出数据进行分析，了解如何通过Tableau Prep实现工作流程自动化。 学习

为推广数据中心的建设技术，贯彻执行国家标准，本书总结了数据中心供配电系统、空调系统、机柜系统和布线系统的理论和实践经验，阐述了数据中心用电设备对于电能的基本要求，介绍了数据中心环境要求、设备布局、空调系统规划、未来的发展趋势以及数据中心空调系统的评估和优化。

使用支持现代应用程序开发的系统管理数据。这部、易懂的指南第三版升级到了MongoDB 4.2，为你充分展示使用面向文档数据库的优点。你将学会如何使用这个安全、高性能的系统实现各种灵活的数据模型、高可用性和水平扩展性。本书作者既为数据库开发人员提供了详细指导，也为系统管理员提供了配置，还为各种项目提供了代码示例。对于NoSQL新手和有经验的MongoDB用户，通过本书都可以在数据查询、索引、聚合、事务、副本集、ops管理、分片和数据管理、持久性、监视和安全性等方面获得新知识。