本书详尽地讲述了数据仓库的基本概念、基本原理，以及建立数据仓库的方法和过程。主要内容包括决策支持系统的发展、数据仓库环境结构、数据仓库设计、数据仓库粒度划分、数据仓库技术、分布式数据仓库、EIS系统和数据仓库的关系、外部和非结构化数据与数据仓库的关系、数据装载问题、数据仓库与WEB、ERP与数据仓库以及数据仓库的复查要目。 本书是数据仓库的创始人撰写的关于数据仓库的最著作，这个新版本收录了该领域的经典理论和前沿发展。本书既可以作为相关专业的研究生教材，也是数据仓库的研究、开发和管理人员的指南。
本书是根据CDA数据分析基础和CDA数据分析实务编写的考试大纲， 该大纲是关于考试科目、 提醒设置及知识点要求的指导性文件， 目的是让学生便于了解数据分析基础的大数据概念， 基本理论， 基本模型的建立、 操作， 分析的技能、 技巧等， 同时便于报考者准备和参加CDA数据分析员的考试。 本书适合数据分析零基础群体读者阅读， 也可供大学生、 初入数据分析职场人员、 参与CDA考试的人员学习使用。
《教学成果奖配套教材：数据结构》的主要任务是介绍并探讨有关数据组织、算法设计、时间和空间效率的概念和通用分析方法，帮助读者理解数据的组织方法和现实世界问题在计算机内部的表示方法，针对问题的具体应用背景进行分析，进而选择合适的数据结构，从而培养高级程序设计技能。 本书章介绍了数据结构与算法的基本概念；第2章基本上是对C语言关键内容的复习，为后续章节理解数据结构的实现作准备；第3章至第7章分别介绍了线性表、树、散列表、图、排序算法等经典数据结构与算法；最后在第8章通过对两个实际生活中提炼出的问题的解答，帮助读者更深刻体会数据结构的应用。 本书可作为高等学校计算机类专业的专业基础课“数据结构”的教材。
《数据结构例题详解与课程设计指导》力求对每题严格按照知识点全面分析并详细解答。本书由两部分组成：部分是典型例题详解和习题解答，基本上涵盖了数据结构的所有知识点；第2部分通过经典的课程设计案例详解给出课程设计的实践指导。 《数据结构例题详解与课程设计指导》希望通过对基础理论和概念的归纳总结、典型例题的详细分析、课后习题的详尽解答、课程设计的实例分析，帮助读者深化对基本概念的理解，熟练掌握数据结构基本原理，进一步提高算法设计和分析能力。 本书语言流畅，内容通俗易懂，例题经典，解答详尽。本书是《数据结构(C语言版)》(秦锋主编，清华大学出版社出版，ISBN:978-7-302-24603-9)的配套教材，同时又自成体系。本书可作为高等学校计算机信息类专业的学习辅导书，也可作为研究生入学考试的复习参考书。本书由秦锋教授和
《算法与数据结构考研试题精析（第3版）/高等院校计算机专业规划教材》收集了国家统考、985和211重点高校以及科学院、所340多套硕士研究生入学“(算法与)数据结构”考试试卷的2000多道试题，并给出了参考答案和分析。《算法与数据结构考研试题精析（第3版）/高等院校计算机专业规划教材》可以作为高等院校计算机及相关专业学习数据结构课程的参考书，对于报考相关专业硕士研究生的考生也极具价值，同时适用于讲授该课程的教师以及自修该课程的其他人员。
在《Spark高级数据分析（影印版 英文版）》中，4位Cloude阳公司的数据科学家讲解了一系列自包含模式，用于在Spark中进行大规模数据分析。《Spark高级数据分析（影印版 英文版）》作者们把Spark、统计原理和现实世界中的数据集合放到一起，通过实例教你如何解决数据分析问题。 你将从Spark及其生态系统的介绍开始，然后深入运用标准技巧的模式——归类、聚合过滤及异常检测等，这些技巧被用于生物基因、安全和金融等行业。如果你对机器学习和统计学有初步了解，使用Java、Pytton或者Scala编程，就会发现这些模式对于你的数据分析应用程序会非常有用。 模式包括： 音乐推荐和Audioscrobbler数据集合 用决策树分析森林覆盖 用K均值聚合检测网络流量中的异常 用潜在语义分析理解维基百科 用GraphX分析共生网络 用地理空间和瞬态数据分析纽约市出租车路线
《数据分析与EViews应用》介绍的EViews3.1版是QMS公司在1998年7月推出的适应于Win9x的次新版（2001年1月，公司宣布推出了最新的EViews4.0版）它是对EViews3.1的完善和改进。EViews3.1软件功能很强，能够处理以时间序列为主的多种类型的数据，进行包括描述统计、回归分析、传统时间序列分析等基本的数据分析以及建立条件异方差、向量自回归等复杂的计量经济模型。 《数据分析与EViews应用》介绍了多种常用的计量经济模型，既包括经典线性及非线性回归模型、传统时间序列模型，也涉及条件异方差模型、PanelData模型、离散及受限因变量模型等一些新近发展的分析工具。《数据分析与EViews应用》偏重于应用，实例丰富且通俗易懂，详细讲述了各种分析方法在EViews软件中的实现过程。《数据分析与EViews应用》适合作为经济学、金融学、统计学等相关专业的本科高年级或研究生学
《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括：Python语言基础、数据处理、数据分析、数据可视化，以及利用Python对数据库的操作、自建Python应用库的共享发布等。 《基于Python的大数据分析基础及实战》分3个部分：第1部分为基础知识，第2部分为实战案例，第3部分为拓展与延伸。本书内容丰富，讲解通俗易懂，非常适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。
本书系统地介绍了大数据挖掘的基本概念、经典挖掘算法、挖掘工具和企业智慧运营应用案例。 全书分为9章，内容包括：大数据挖掘与智慧运营的概念，数据预处理，数据挖掘中的四种主流算法：聚类分析、分类分析、回归分析、关联分析，增强型数据挖掘算法，数据挖掘在运营商智慧运营中的应用案例，未来大数据挖掘的发展趋势等。 全书以运用大数据挖掘方法提升企业运营业绩与效率为主线，从运营商实际工作中选取了大量运营和销售案例，详细讲述了数据采集、挖掘建模、模型落地与精准营销的全部过程。书中大部分案例的代码、软件操作流程和微课视频可以通过扫描本书封底的二维码下载。 本书主要面向运营商及其他高科技企业员工、高等院校相关专业本科生和研究生，以及其他对数据挖掘与精准营销感兴趣的读者。
数据采集和存储技术的进步导致了数据规模的日益增加，数据是一种宝贵的信息资源，但这种资源同矿藏一样，只有通过管理、分析、挖掘、提炼等操作，才能使潜在的资源变成可用的财富。 本书系统地介绍了数据挖掘技术的产生、发展、应用及相关原理和算法，其主要内容包括：数据挖掘基本知识、数据挖掘处理流程、数据仓库和联机分析处理、关联规则发现方法、序列模式挖掘方法、决策树分类方法、贝叶斯分类法、各种聚类方法、Web挖掘以及分类方法在医学图像中的应用。本书包含了作者多年来在数据挖掘中的研究成果。 本书可作为计算机专业、自动化专业、生物医学专业等高年级本科生与研究生课程的教材，也可作为需要了解数据挖掘有关方法与技术的研究、设计和开发人员的参考书。
《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括：Python语言基础、数据处理、数据分析、数据可视化，以及利用Python对数据库的操作、自建Python应用库的共享发布等。 《基于Python的大数据分析基础及实战》分3个部分：第1部分为基础知识，第2部分为实战案例，第3部分为拓展与延伸。本书内容丰富，讲解通俗易懂，非常适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。
《数据分析与EViews应用》介绍的EViews3.1版是QMS公司在1998年7月推出的适应于Win9x的次新版（2001年1月，公司宣布推出了最新的EViews4.0版）它是对EViews3.1的完善和改进。EViews3.1软件功能很强，能够处理以时间序列为主的多种类型的数据，进行包括描述统计、回归分析、传统时间序列分析等基本的数据分析以及建立条件异方差、向量自回归等复杂的计量经济模型。 《数据分析与EViews应用》介绍了多种常用的计量经济模型，既包括经典线性及非线性回归模型、传统时间序列模型，也涉及条件异方差模型、PanelData模型、离散及受限因变量模型等一些新近发展的分析工具。《数据分析与EViews应用》偏重于应用，实例丰富且通俗易懂，详细讲述了各种分析方法在EViews软件中的实现过程。《数据分析与EViews应用》适合作为经济学、金融学、统计学等相关专业的本科高年级或研究生学
《胸有成竹!数据分析的SPSS和SAS EG进阶（第2版）》共5 章，涉及使用SPSS Statistics 和SAS EG 做商业数据分析的主要分析方法。其中，第1章的主要内容为数据分析方法概述；第2 章至第4 章的主要内容为横截面数据分析方法；第5 章的主要内容为时间序列分析方法。每章都根据所涉及的知识点的不同，选取了实用的案例，并为读者准备了相应的思考和练习题。 《胸有成竹!数据分析的SPSS和SAS EG进阶（第2版）》是一本面向商业数据分析初学者的教材，从具体的商业数据分析案例入手，使读者掌握数据分析的目的、理念、思路与分析步骤。本书力图淡化技术，对于方法的介绍也尽量避免涉及过多的数学内容，和高等数学相关的内容只在线形回归和主成分分析这两节中涉及到，而且都辅以图形作形象的展现。因此本书的读者只需要具有高中水平的数学基础即可。
