本书是中山大学重点学科建设成果，获中国矿物岩石地球化学协会大数据与数学地球科学专业委员会推荐，是我国*部地质科学大数据与机器学习教材。本书是中山大学研究生试用研究型教材，对运用大数据挖掘与机器学习算法解决地球科学问题大有裨益。适合地质科学领域研究生和高年级本科生做教材，也可供科研人员研究时参考。它系统地介绍了地球科学大数据挖掘与机器学习的基本框架与原理，重点分析高维数据的降维、分类与预测、大图形社区结构识别、无限流数据处理、机器学习及人工智能地质学的建模过程，对必要的应用场景，使用Python语言给出案例。

在新媒体时代，如果对新闻报道、网上搜索的结果或者所谓的 专家告知 不加思考地完全相信，那你就等着上当受骗吧！ 本书围绕当今*受瞩目的大数据科学理论，通过日本政府公布的公开数据，集中针对访日游客的增加、舆论调查的可靠性、 安倍经济学 的成果、东日本大地震后的状况、相对贫困、失业率的下降、年轻人远离ХХ、全球变暖问题、减肥、恩格尔系数的上升等10个主题进行数据解读，帮助读者模拟体验数据读取方法，提高理解和分析数据的能力，挖掘出数据背后隐藏的真相。 作为 大数据分析 的超级入门书，即使不擅长数学、不了解统计学的人，读完本书也可以彻底掌握数据解读方法！

本书不讲具体语法，只是以案例的形式介绍各种查询语句的用法。靠前～4章是基础部分，讲述了常用的各种基础语句，以及常见的错误和正确语句的写法，应熟练掌握这部分内容，因为在日常查询和优化改写中都要用到；第5～12章是提高部分，讲解了正则表达式、分析函数、树形查询及汇总函数的用法，这部分内容常用于一些复杂需求的实现及优化改写；很后两章介绍日常的优化改写案例，这部分内容是前面所学知识的扩展应用。如果您是开发人员，经常与Oracle打交道，那么本书可以帮助您处理复杂的需求，写出高性能的语句。如果您是运维人员，则本书可以帮助您更快地完成慢语句的改写优化。

数据新闻作为一种新型的新闻报道形式，弥补了传统新闻或叙事性新闻无法呈现的效果。数据新闻采用可视化的方法将单调的数据用一种直观、便于理解、更具说服力的方法呈献给读者。大量的数据比采访几十个对象获取的信息更多，做出的结论更客观易懂，也更容易阐明观点。 本书介绍在大数据环境下数据新闻的制作流程。以丰富的实践案例解析数据新闻的制作理念和方法。紧密围绕新闻人在制作数据新闻中的实际需求，全面介绍了数据新闻概述，获取数据的工具和方法，使用Openrefine清理和分析数据，数据质量分析，使用Tableau实现数据分析及可视化，以及标签云、关系图制作、Echarts和HTML5等其他数据新闻制作工具。 本书理论与实践结合，偏重数据新闻的具体制作方法。不仅包含的理论知识，而且包含具体的实践案例，多角度启发和引导读者的创新思维，增

本书分为部分，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、基

基于知识的聚类展示的是如何设计一个导航平台，以使信息探寻者能理解和较好的应用种类繁多的数据集。比模糊聚类走得更远，作者展示了基于知识的聚类这一有前景的新范例是如何揭示更有意义的数据结构，并使社会更好地处理日益增长的数据和信息流。通过这《基于知识的聚类—从数据到信息粒》，读着能理解基于知识聚类的基础和与其相关联的算法，学会将他们自己的知识应用到系统建模和设计中去。 《基于知识的聚类—从数据到信息粒》首先对模糊聚类和粒计算这一领域进行介绍和讨论。然后，作者深入研究了基于逻辑的神经元和神经网络。《基于知识的聚类—从数据到信息粒》的核心部分包括9章，在其中呈现和分析了众多不同的基于知识的聚类的方法。《基于知识的聚类—从数据到信息粒》的第三部分致力于模型的研究，首先讨论超盒结构，然

这是一本讨论时下热门话题 大数据的书，生动活泼地阐释了晦涩艰深的统计学原理，条理清晰地告诉读者如何从数据中获取智慧。 全书分为8章，第1章概述了大数据时代统计学面临的机遇和挑战。第2、3章讲述了统计学在思想方法及数据表述上和大数据处理方法的异同；第4章介绍了对统计学影响深远的正态分布；第5章探讨了大数据时代统计推断是否失效；第6章重点从统计学视角讲述了大数据时代*热门的变量间的 相关性 问题；第7章以一种比较开放的态度讨论统计学中一些有意思又实用的话题；第8章探讨大数据能够给企业、用户及整个产业和社会带来什么价值。 拥有本书，不仅可以使读者感受数字的美感和哲学的智慧，还能够使读者掌握思辨的洞察力。更重要的是，拥有本书就相当于拥有了一种武器，数据驱动的思维模式将会使读者在生活、工作中受益匪浅。

本书是与张宏军教授等编著的《作战仿真数据工程》教材配套的实验指导书。本书根据《作战仿真数据工程》教材的组织特点编排了实验内容。紧密配合理论教学．合理安排数据工程的实验教学，使学生能够在有限的实验课时中，加深对所学知识的理解与掌握，熟练使用常用的数据工程相关处理软件，培养和提高学生的实际操作水平。 本书涵盖了作战仿真数据规划、数据建模、数据集成、元数据集拟制、数据分析与数据挖掘、数据可视化、数据管理等方面的实验项目，实验内容饱满、步骤详细，有助于提高学生的实验效果。 本书可作为相关专业研究生和高年级本科生的实验教材，也可作为工程技术人员的参考书。

本书是中国人民大学出版社出版的教材《统计数据分析基础教程（第二版）——基于SPSS 20和Excel 2010的调查数据分析》的配套辅导书。 由于本次修订对教材内容进行了更加适当的筛选，同时对例题和上机实验题进行了大幅更新，于是本同步配套辅导书也做了相应的修订。 本书以习题和上机实验指导的方式给出了教材中“思考题与上机实验题”的解答，以便帮助读者消化教材内容。本书包含10章的上机实验指导共32个。包括:*抽样、调查问卷制作、问卷数据的录入与清理、单选题的一维频率分析、两个单选题的交叉表分析、多选题的一维频率分析和交叉表分析、描述统计分析、假设检验、单因素方差分析、线性相关分 析与线性回归分析等。 本书可作为各级各类高等院校本科生统计数据分析的入门书，也可以作为MBA学生、研究生以及从事统计数据分析工作的人士

本书从理论结合实践的角度，讲解大数据的概念和技术。全书共分为7章，主要内容包括什么是大数据、大数据的特征、大数据的作用与应用、大数据的技术与分析；通过实例讲解Data Studio的使用方法,DB2、UDB和JDBC的相关知识,集成数据管理的知识，IBM InfoSphere软件；详细讨论大数据环境下的安全与治理；通过实例讲解了Hadoop技术。

数据挖掘将数据转化为知识，是数据管理、信息处理领域研究、开发和应用的活跃的分支之一。本书全面地论述了数据挖掘领域的基本概念、基本原理和基本方法，内容包括数据挖掘领域的经典理论和前沿发展。全书共分14章，并含有1个附录。全面系统地介绍了数据挖掘的概念和过程、数据预处理技术；深入地叙述了各种数据挖掘技术，包括关联规则、决策树、聚类、基于样例的学习、贝叶斯学习、粗糙集、神经网络、遗传算法、统计分析；并讨论了数据挖掘的典型应用，如分类、文本和Web挖掘，以及数据挖掘的应用和发展趋势；并在第14章中给出了一个具体的商业智能解决方案实例。 通过本书的学习，读者可以对数据挖掘的整体结构、概念、原理、技术和发展有深入的了解和认识。 本书既可以作为相关专业的高年级本科生和研究生教材，也可作为数据挖掘领

数据仓库与数据挖掘是与计算机、信息类等相关专业的核心课程。张兴会等编著的《数据仓库与数据挖掘工程实例》采用提出问题、分析问题、解决问题的思路，通过工程实例介绍了SQL Server 2005和 Weka软件的使用方法以及联机分析处理技术、关联规则方法、决策树方法、贝叶斯方法、人工神经网络方法、聚类分析方法、线性回归方法等数据仓库与数据挖掘技术。 本书结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；坚持理论与实际相结合，知识理论与具体实现方法相结合，使技术实现具体化、生动化、可操作化；工程实例的实现过程建立在 SQLServer2005和Weka软件的基础上，以帮助读者在学习后达到学以致用的效果。本书可以和《数据仓库与数据挖掘技术》教材配合使用，旨在帮助读者在学习数据仓库与数据挖掘理论知识的基础上，通过学习工

本书采用图解形式对“大数据”这一概念进行了全新解读，将大数据从一个IT术语变成了人人能读懂的大众词汇。本书从大数据的“前世今生”讲起，通过列举各行各业应用大数据的案例，全面解读了大数据和个人的关系、如何利用大数据创业、大数据中隐藏了多少价值、大数据给我们带来了哪些冲击和变革、如何利用大数据进行精准营销等读者十分关心的热点问题。本书图文并茂，读者利用零散时间，就能迅速了解大数据知识。 本书适合企业管理者、创业者、投资者、高校相关专业师生等想运用大数据改变未来生活的人士阅读。

本书是面对当前科学可视化、信息可视化、可视分析研究和应用的新形势，专门为计算机、数据处理、视觉设计、统计、数学、航空航天、建筑、遥感影像等专业本科生开设数据可视化课程而编写的一本教材。全书划分为三篇：基础篇、数据篇和应用篇。其中，基础篇从人、数据、可视化流程等三个层面阐述数据可视化的基础理论和概念；数据篇则针对实际应用中遇到的不同类型的数据，包括时空数据、地理信息数据、高维非空间数据、层次和网络数据介绍相应的可视化方法；应用篇着重介绍可视化综合应用及实用系统。为了便于学习，每章后都附有习题和参考文献。 本书的特点是内容完整，叙述简明，重点突出；以数据类型为导向，以行业应用为目标。作者专门收集和整理了相关的课程教案、典型数据、精彩案例、可视化作品、课程附属视频和动画材

大数据时代的到来，使我们的生活在政治、经济、社会、文化各个领域都产生了很大改变。 数据科学 一词应运而生。如何更好地对海量数据进行分析、得出结论并做出智能决策是统计工作者面临的机遇与挑战。 本书介绍数据挖掘与统计机器学习领域常用的模型和算法，包括基础的线性回归和线性分类方法，以及模型选择和模型评价的概念和方法，进而介绍非线性的回归和分类方法（包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法）。后介绍无监督的学习中的聚类方法和业界广泛使用的推荐系统方法。除了方法的理论讲解之外，我们给出了每种方法的R语言实现，以及应用Python语言实现深度学习和支持向量机两种方法。本书的一个亮点是后一章给出的两个大数据案例，数据量均在10G左右。我们同时给出了单机版（Python、数据库、R

《数据库系统实现（英文版）（第2版）》是关于数据库系统实现方面内容最为全面的著作之一，是美国斯坦福大学计算机科学专业数据库系列课程第二门课程的指定教材。书中从数据库实现者的角度对数据库系统实现原理进行了深入阐述。并具体讨论了数据库管理系统的三个主要成分 存储管理器、查询处理器和事务管理器的实现技术。斯坦福大学计算机科学专业数据库系列课程门课程的内容包括数据库设计和数据库编程。《数据库系统实现（英文版）（第2版）》的后两位作者Jeffrey D.UIIman和Jennifer Widom为该课程编写的教材《数据库系统基础教程》（A First Course iDatabase Systems）第3版的中文翻译版和英文影印版已由机械工业出版社出版。 《数据库系统实现（英文版）（第2版）》内容深入且全面，技术实用且先进，叙述深入浅出，是一本难得的高层次的教材，适合作

本书全面深入地介绍了数据仓库、联机分析处理和数据挖掘的基本概念、基本方法和应用技术。全书分成三篇：数据仓库与OLAP篇的主要内容包括：数据仓库的基本概念、体系结构、模型设计、开发方法、ETL、元数据和数据集市，OLAP的基本概念、基本操作、数据模型和OLAP的实现及准则；数据挖掘与空间数据挖掘篇的主要内容包括关联分析方法、聚类分析技术、分类与预测方法、异常检测算法以及空间数据挖掘技术等；工具与实例篇介绍了数据挖掘工具及可视化、Cognos公司的BI主要产品和企业数据仓库系统构建。 本书可作为高等院校计算机软件与应用、信息科学等专业的学生学习数据仓库、OLAP及数据挖掘技术的实用教程或参考书，也可供从事数据仓库、数据挖掘研究、设计、开发等工作的科研、工程人员参考。

李於洪主编的《数据仓库与数据挖掘导论》为数据仓库与数据挖掘的基础教程，是作者多年来从事数据仓库与数据挖掘课程教学经验的梳理和总结。为了增强内容的直观性和可理解度，全书以大量图、表、实例融入其中。全书共分为四篇14章。篇为导引，共分2章：用实例和实例分析引导学生理解数据仓库与数据挖掘的概念内涵及其产生背景。第二篇为数据仓库，共分5章：详细介绍了数据仓库的体系结构及其组成部分的功能；从商业需求的角度介绍了数据仓库维度建模方法和联机分析处理操作；介绍了元数据在数据仓库建设中的重要性、分类方法与作用。第三篇为数据挖掘，共分4章：通过浅显易懂的语言及实例，深入浅出地介绍了关联分析方法、神经网络算法、决策树算法和聚类分析方法。第四篇为实验与工具，共分3章：提供了数据仓库实验、神经网络建模实

张霞的这本《粒度计算在数据挖掘中的应用研究》对模糊粒度计算在文本软聚类中的应用进行了深入研究，提出了一种基于模糊粒度计算的聚类方法，并且利用该聚类方法对K-means算法进行了优化。基于模糊粒度计算的聚类是通过归一化的距离函数将聚类问题映射到距离空间，调节粒度产生对文本集合D的动态聚类划分。 动态聚类既可以作为一个单独的聚类结果，也可以作为其他算法的一个预处理步骤。K-means算法是一种经典的聚类算法，速度快、消耗资源小，但是算法对初始聚类中心点敏感，容易陷入局部小值。《粒度计算在数据挖掘中的应用研究》将基于模糊粒度计算的聚类方法作为K-means算法的预处理步骤，实验结果证明，这种预处理有效地消除了K-means算法的初始值敏感问题，优化了K-means算法。

MongoDB是一种面向文档的分布式数据库，可扩展，表结构自由，并且支持丰富的查询语句和数据类型。时至今日，MongoDB以其灵活的数据存储方式逐渐成为IT行业非常流行的一种非关系型数据库（NoSql）。 本书从学习与实践者的视角出发，本着通俗精简、注重实践、突出精髓的原则，精准剖析了MongoDB的诸多概念和要点。全书共分4个部分，分别从基础知识、深入理解MongoDB、监控与管理MongoDB和应用实践几个维度详细地介绍了MongoDB的特点及应用实例。 本书适合有海量数据存储需求的人员、数据库管理开发人员、数据挖掘与分析人员以及各类基于数据库的应用开发人员。读者将从书中获得诸多实用的知识和开发技巧。