阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

不买新硬件的话，能实现应用程序性能的提升吗？答案是“可以的！”算法和数据结构的创新推动了应用程序性能的巨大进步。我们推荐你拿起这本书，去了解并掌握书中的这些高级算法和数据结构，相信会对你的开发工作有所裨益。 本书所涉及的算法可用于应对数据分析、机器学习和图计算相关的复杂编程挑战，是帮助你解决各种棘手问题的“锦囊妙计”，甚至能帮助你为需要自定义解决方案的项目设计数据结构。 要更好地掌握本书所涵盖的内容，你应有一定的编程经验，需要先掌握基本的算法和数据结构知识。 本书主要包括以下内容： 构建基本（常见）的数据结构； 配置算法，以提升应用程序的性能； 有效地存储和查询字符串； 使用MapReduce实现分布式聚类算法； 使用图和优化算法来解决物流问题。

《数据中心手册(精)》由来自7个国家的51位数据中心业内专家共同编写，中文版由国内24家企业、公司和大学的34位数据中心业内专家共同翻译并修订完成。内容涵盖了数据中心全生命周期的相关技术及运营管理策略，从数据中心规划、选址、设计、建设、测试、验收到运营和管理、灾难恢复，全面翔实，是作者及译者多年经验所得，是一本由来自全球不同国家、不同企业、不同专业领域的专家共同完成的数据中心领域的工具书。 本书可作为数据中心设计者、建设者、管理者和投资者的学习及参考材料，也可作为高校相关专业师生及其他人士了解数据中心行业的入门材料。

在Oracle认证大师Richard Niemiec的帮助下，系统地识别和排除数据库的性能问题：《Oracle Database 12cR2性能调整与优化(第5版)》详细介绍*的监控、故障排除和优化方法，取自现实世界的案例研究和*实践贯穿全书，从中可以探悉如何鉴定和解决本地部署和云环境的瓶颈问题、如何配置存储设备、如何有效运行查询以及如何开发无错误的SQL和PL/SQL代码。此外还介绍了有关测试、报表和提高安全性等方面的内容。学会如何：? 正确运用 Oracle 12cR2数据库的索引和分区技术? 有效使用Oracle云、Oracle Exadata和Oracle企业管理器? 有效地管理磁盘驱动器、ASM、磁盘阵列和内存? 运用Oracle的SQL提示和Trace实用工具来优化查询? 运用V$视图和X$表对数据库实施故障排除? 创建首个云数据库服务并为混合云做好准备? 运用Oracle的Statspack和AWR等工具来生成报表? 运用sar、vmstat和iostat来监控操作系统统计数

本书主要介绍从高维数据中感知、处理、分析和学习低维结构的基本数学原理和高效计算方法，系统地归纳了建模高维空间中低维结构的数学原理，梳理了处理高维数据模型的可扩展高效计算方法，阐明了如何结合领域具体知识或考虑其他非理想因素来正确建模并成功解决真实世界中的应用问题。本书包括基本原理、计算方法和真实应用三个部分：基本原理部分系统地介绍稀疏、低秩和一般低维模型的基本性质和理论结果，计算方法部分介绍解决凸优化和非凸优化问题的有效算法，真实应用部分通过实例演示利用前两部分的知识改进高维数据处理和分析问题的解决方案。本书适合作为计算机科学、数据科学和电气工程专业的高年级本科生和研究生的教材，也适合学习稀疏性、低维结构和高维数据课程的学生参考。

本书以统计学/数学为出发点，介绍深度学习推荐的数理基础，讲解PyTorch的主体架构及近期新的模块功能，包括常见算法与相关套件的使用方法，例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。本书配有大量案例及图表说明，同时以程序设计取代定理证明，缩短学习过程，增加学习乐趣。本书适合深度学习入门者、数据工程师、信息技术工作者阅读，也可作为高校计算机相关专业的教材。

数据是人为创造的，它必然受到人的掌控，其形态必然受人类行为的影响，而人类行为总是受利益的驱使。在赛博时代，社会主体之间存在对数据掌控力的巨大差别，导致广泛的信息不对称，以及由此造成的利益差异化和博弈行为。本书运用系统科学理论和方法研究了数据博弈，即围绕数据掌控力的竞争与合作行为。全书包括公共数据博弈经济学原理(第2章)、供应链预测数据共享博弈(第3章)、分布式大系统中的公共数据共享博弈(第4,5,6章)、数据共享信任博弈与电子证据区块链(第7,8章)和智能体交互式群体学习系统(第9章)等内容。书中给出了数据博弈中产生合作行为的条件和维持社会信任的一些方法，为提升公共数据治理水平和数据价值利用率提供了有价值的建议。 本书适合系统科学、数据科学与大数据技术及人工智能领域的研究生、教师和其他研究人员阅读参考。

本书聚焦于遥感云计算的生态大数据平台技术前沿，从理论、方法、实践三个方面进行系统的阐述，首先介绍了基于遥感云计算的生态大数据平台的背景、基本概念与原理；其次介绍了基于遥感云计算的生态大数据平台的数据、方法与关键技术；最后介绍了基于遥感云计算的生态大数据平台在土地覆盖和土地利用信息提取及生态学应用的近期新进展，并提供了基于遥感云计算的甘南州生态大数据平台案例。 本书的读者对象为遥感、土地利用和全球变化分析等方面的科研工作人员和地理、资源、环境以及生态等相关专业的广大师生。

本书详细阐述了腾讯大数据平台系统架构，以及多年来平台建设的思考与沉淀，涵盖腾讯大数据的起源、技术理念及发展历程、开源路线选择的思考以及三代大数据平台架构的技术演进，涉及数据实时采集平台、下一代分布式存储平台、分布式计算平台、资源调度平台、机器学习平台、数据内容挖掘、大数据平台的运营、大数据套件TBDS、一站式机器学习平台智能钛TI等核心技术内容。大数据生态发展与演进需要各界数据人的共同努力，相信本书中详尽的大数据平台案例与建设思路可以给各位同行朋友带来很大的启发并提供借鉴。本书适合大数据从业人员、大数据技术爱好者、相关专业院校学生阅读。

本书会告诉你如何为组织设计合适的数据保护系统，以降低组织的成本和出现问题的可能性。系统管理员与网络管理员既要保护数据中心的物理机、虚拟机以及云平台中的设施，还要保护各种移动设备，此外还有Microsoft 365、Google Workspace与Salesforce等SaaS产品，以及由Kubernetes与容器工作负载创建的持久数据，这实在是一个相当繁杂的任务。 为了帮助大家解决上述难题，本书提供了几种解决方案，以便你从中选出适合的方案。你将了解每种工作负载的独特要求，然后探索可用于保护这些数据源的各种商用备份硬件、软件与服务，并探讨每种方法的优点与缺点。 学完本书，你将： 了解哪些工作负载类型（数据）应该备份。 探索用于备份数据的软件、硬件与服务。 能够判断目前的数据保护系统有什么缺陷。 学会如何将每种数据源分别交给擅长处理这种数据源的备份系

大数据时代，各行各业积累的数据不断增多，海量数据经过清洗、整理以后，基于分析与挖掘工作，才能获取到有用的数据信息，挖掘到数据背后的价值，掌握大数据的规律。而数据分析与挖掘的核心工作即是数据建模。数据建模，通俗地说，就是通过建立数据科学模型的手段解决现实问题的过程。 《数据建模方法与案例》共分为五章，内容包括数据建模概述、数据建模常用数据计算软件MATLAB和SPSS入门介绍、数据建模方法、实战案例分析等。《数据建模方法与案例》注重理论与实践相结合，不仅有详细的数据建模理论方法，还有赛题案例，以及非常详细的程序代码，让读者既能具备数据建模理论的基础，又能掌握解决数据建模问题的技巧与方法，还能轻松应对大数据问题的编程计算。

本书以跨域多维大数据为主题，提出跨域多维大数据管理的系列模型和方法。结合跨域多维大数据在珠海市横琴新区的发展与建设，对跨域多维大数据的基本概念、主要特征、发展策略进行概括，探讨跨域多维大数据管理相关关键技术，构建跨域多维大数据中心和数据管理平台，实践跨域多维大数据应用，并在推广应用的基础上形成系列标准规范。本书可供从事数据挖掘、数据管理研究或对跨域对跨域多维大数据感兴趣的科技和管理人员参考，也可作为大专院校相关专业师生和相关专业科研工作人员的参考资料。

随着数字化时代的发展和智能化时代的到来，地质领域中各类勘探、测绘、遥感、试验以及分析成果等数据呈现出不断激增的趋势。如何更充分地获取数据的有效特征，并实现对复杂、海量地质数据的解译是目前地质研究中不可回避的问题。本书从这一角度出发，系统阐述了当前地质数据分析中面临的关键科学技术难题，给出了数据挖掘模式下复杂地质大数据分析的解决方案。考虑地质数据的时空特性，将地质数据划分为全球尺度、区域尺度、工程尺度、统计尺度及标本尺度，从理论层面及实际应用角度提出算法模型的构建方法和具体的实现流程。此外，还将上述研究基础与三维建模进行融合，从不确定性角度对现有的地质可视化理论进行了补充。最后，结合计算机软件开发等技术，研发了地质大数据智能挖掘与分析平台。本书可供广大地质研究人员、工程师以及

Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。

本书系统分析遥感大数据检索需求，介绍遥感大数据检索的科学问题和及的关键技术，提出多个基于内容的遥感影像检索新模型和新方法，并重点剖析基于传统视觉特征的遥感影像检索、融合视觉显著特征的遥感影像检索、基于关联规则挖掘的遥感影像检索、基于语义特征的遥感影像检索、基于深度学习的感影像检索、视频大数据检索、通感大数据存储和在线检索模型和方法，并结合复杂场景遥感大数据检索所面临的挑战，阐述跨模态感大数据检索方法。本书可供从事遥感大数据检索模型与方法基础研究、遥感信息检索应用研究的科技和管理人员参考，也可作为高等院校相关专业师生和遥感信息处理相关领域科研工作人员的参考资料。