《中文版 SPSS 28 统计分析从入门到精通（实战案例版）》详细介绍了 SPSS 28 在数据统计分析方面的使用方法 和应用技巧，它是一本 SPSS 基础教程，同时包含了大量的 SPSS 视频教程。 《中文版 SPSS 28 统计分析从入门到精通（实战案例版）》全书共 20 章，内容包括 SPSS 28 概述、初识 SPSS 28、SPSS 数据结构、数据管理、数据分类、数据清洗和数据加工、数据计算、数据分析图表、数据分布的特征分析、参数检验、非参数检验、均值分析、单因素方差分析、多因素方差分析、相关性分析、列联表相关性分析、回归分析、聚类分析、判别分析和电力中断数据分析实例等知识。通过丰富的实例，详细介绍了 SPSS 数据统计分析的全方位知识。本书在讲解过程中理论联系实际，并配有详细的操作步骤，图文对应，可以提高读者的动手能力，并加深对知识点的理解。 《中文版 SPSS 28
目前，大数据成为人们耳熟能详的名词。在人工智能、大数据时代，数据处理、数据分析成为非常重要的工作，但是数据存储在哪里，数据是怎么存储的，数据库的工作原理是什么，面对大量数据，我们应该如何操作，很多人可能并不清楚。本书就用通俗易懂的文字，结合直观清晰的插图，对这些问题的关键技术 数据库相关知识点进行了详细解说。具体内容包括数据库的基础知识 理解数据库的基本概念、数据的存储方式 关系型数据库的特征、操作数据库 SQL的使用方法、管理数据 避免非法数据的功能、引入数据库 数据库的结构与表的设计、运用数据库 旨在安全运用、用于保护数据库的基础知识 故障恢复与安全措施、活用数据库 在应用程序中使用数据库等。本书适合所有对数据、数据库感兴趣的读者学习。
数据是什么？如何应用数据？如何把数据变成更有价值的东西？本书主要适合刚开始使用数据的读者，能让他们对数据的含义、价值及用途有清晰的认识和了解，本书目的是介绍数据的相关知识，同时鼓励人们参与到日益增多的与数据有关的对话中。 本书通过介绍简单数据相关知识，即从一个总体目标、两种思维系统、三大应用领域、四种数据尺度、五种数据分析方法、六种数据展现方式、七种数据活动、八个提前问的问题分别展开阐释数据和分析的方法和思维方式。
Apache Flink项目的资深贡献者Fabian Hueske和Vasiliki Kalavri展示了如何使用Flink DataStream API实现可伸缩的流式应用，以及怎样在业务环境中持续运行和维护这些应用。流处理的理想应用场景有很多，包括低延迟ETL、流式分析、实时仪表盘以及欺诈检测、异常检测和报警。你可以在任意类型的持续数据（包括用户交互、金融交易和物联网等数据）生成后，立即对它们进行处理。本书主要内容包括： 了解有关分布式状态化流处理的概念和挑战。 探索Flink的系统架构，包括事件时间处理模式和容错模型。 理解DataStream API的基础知识和构成要素，包括基于时间和有状态的算子。 以精确一次的一致性读写外部系统。 部署和配置Flink集群。 对持续运行的流式应用进行运维。
本书以德国高等教育为例说明数据库的运用。作者有意选择这个简单的例子，是为了便于读者理解和记忆。为方便完成SQL部分的习题，本书还将作者在慕尼黑大学开发的的数据库系统HyPer的Web界面提供给大家使用。 本书也适合自学。因为作者对所有的概念都尽量用易于理解的例子加以说明。 本书仅讨论 现代 数据库系统，对关系模型，我们尤其详细地讲解，因为关系模型现在占据主导地位，使用最为广泛。本书也涉及一些全新的发展趋势，例如主存数据库、大数据技术及利用、XML和云数据库的多租户管理。 本书也包括数据库实现的内容，如DBMS的物理结构、多用户同步的实现及查询评估的恢复和优化方法等。只有掌握这些知识，才能在 硬核 的工业实践中系统地使用和优化数据库。 本书的UML是一种面向对象的数据建模语言，它可以替代ER模型。 本书介绍如何利
数据科学伦理是关于人们在进行数据科学方面的行为的道德规范。到目前为止，数据科学主要应用于企业和社会并产生了积极成果。 然而，就像任何技术一样，数据科学也带来了一些负面后果：隐私侵犯的增加，对敏感群体的数据驱动的歧视以及使用不可解释的复杂模型做出决策。 没有哪个数据科学家和业务经理是天生不道德的，只是他们没有接受过培训来考虑他们在工作中的伦理问题 本书旨在填补这个越来越重要的空白和解释不同的概念和技术，帮助读者理解从k-匿名和差别隐私到同态加密和零知识证明等技术已可以解决隐私侵犯问题，消除敏感群体歧视和提供各种可解释的人工智能。 现实生活中的警世故事进一步说明了数据科学伦理的重要性和潜在影响，包括种族主义机器人的故事、搜索审查和人脸识别等。本书中穿插着结构化的练习，提供假设的场景和
本书共分9章：第1章为创建压力容器受压元件的几何模型；第2章为划分网格；第3章为炼油厂制氢装置PSA吸附器的低周疲劳分析；第4章为压力容器3D模型的应力分析；第5章为ANSYS Workbench软件的缺点；第6章为EN 13445-3:18疲劳寿命的详细评定；第7章为公式法计算许用循环次数；第8章为技术评论；第9章为ASMEⅧ-2-2015附录3-F设计疲劳曲线。 第8章仅对三本专书［5］、［14］、［20］，一本译著即文献［6］和两篇论文即文献［8］、［16］进行了技术评轮，它们只占压力容器用书和用文的极少的一部分，但通过本书分析可知，这些书中或文中的错误却是不容忽视的。 第9章对于JB4732移植ASMEⅧ-2:5-1995的图5-110.1的C-1，原用到1E6，而现在用到1E11，规范对双对数插值公式也不再使用。 本书适合压力容器工程技术人员使用，也可供大专院校 过程装备与控制工程 专业及相近专业的师生
随着云技术的迅猛发展和普及，商业组织正面临着满足用户需求的巨大挑战。本书深入探讨了云技术在数字化社会中的重要地位和创新应用。通过研究、创新和发展的视角，本书引领读者走进云技术的前沿，揭示了其在构建下一代卓越计算环境中的关键作用。书中汇集了多位专家学者的研究成果和实践经验，为读者提供了宝贵的洞察和指导。无论是对于云计算领域的专业人士，还是对于对数字化社会感兴趣的读者，本书都是一本不可或缺的参考书。通过阅读本书，您将深入了解云技术在数字化社会中的影响和价值，激发您的创新思维，为您在未来的技术革新中取得卓越成就打下坚实的基础。
在大数据爆发的短短10多年中，NoSQL成为处理大数据必须掌握的热门核心技术之一。《NoSQL数据库入门与实践(基于MongoDB、Redis)(第2版)》正是在这种背景下应运而生的，本书结合MongoDB、Redis和测试工具等全面介绍NoSQL数据库技术，是一本NoSQL数据库入门图书，也是初学者了解NoSQL 技术全貌的图书。全书包括3部分，其中NoSQL基础部分包括初识NoSQL、TRDB与NoSQL的技术比较、NoSQL数据存储模式;NoSQL实践部分（电商大数据）分别介绍了文档数据库MongoDB和键值数据库Redis 入门及提高知识，并通过两个电商平台综合案例详细介绍了MongoDB和Redis在实现不同业务(如日志存储、商品评价、订单信息记录、点击量存储、商品推荐、购物车、记录浏览商品行为等）功能模块开发过程中的具体应用;NoSQL提高部分(电商大数据〉介绍了大数据环境下MongoDB和Redis 在操作速度和数据存储方面的优化方法
对数据生产和大数据处理带来的挑战，是当代社会和人工智能时代的重点。大数据的快速发展、信息共享和社交媒体的大众化带来了各方面的风险和挑战。我们需要遵循正确的流程、方法和沟通战略 且手头的数据必须准确，才能推演出高价值的结论。而数据越多，我们面临的陷阱可能就越深。在本书中，杰森?辛克从数据通用和收集的策略、数据分析的准则、数据展示的策略出发，讨论了应对数据挑战、获得和洞察数据的价值和内涵的可行方式。
大数据时代，掌握必要的数据分析能力，将大大提升你的工作效率和自身竞争力。SPSS是一款常用的数据分析及可视化工具，本书将详细讲解利用SPSS进行数据分析和展示的相关知识。书中主要内容包括：SPSS概述、描述统计、T检验、方差分析、相关分析、回归分析、聚类分析、变量降维、时间序列分析、调查问卷及其分析、SPSS缺失值分析、SPSS数据可视化以及综合实战案例等。本书内容丰富，采用双色印刷，配套视频讲解，结合随书附赠的素材边看边学边练，能够大大提高学习效率，迅速掌握SPSS数据分析技能，并用于实践。本书适合数据分析初学者、初级数据分析师、数据库技术人员、市场营销人员、产品经理等自学使用。同时，本书也可用作职业院校、培训机构相关专业的教材及参考书。
《新编计算机专业重点课程辅导丛书：新编数据结构习题与解析》作者长期从事程序设计语言和数据结构课程的基础教学工作，《新编计算机专业重点课程辅导丛书：新编数据结构习题与解析》是在总结这些教学经验的基础上编写而成，全书分为12章，包括绪论、线性表、栈和队列、串、数组和稀疏矩阵、递归、树形结构、广义表、查找、内排序、外排序、文件，的两个附录给出几份试题和参考答案。 《新编计算机专业重点课程辅导丛书：新编数据结构习题与解析》强调数据结构中逻辑结构、存储结构和算法设计的层次思想，总结知识难点的求解方法，力求归纳各类算法设计的规律，并深人讨论递归算法的设计方法。 书中提供了大量例题，适合作为课程考试和研究生考试辅导用书，任课教师可以将其作为教学参考书使用，对于计算机专业的本科学生，可以
本书是首本专注于利用R语言进行科研数据清洗的书籍，全书主要分为两大块，首块以简洁的内容向读者介绍R语言的入门知识，让读者了解并认识R语言，为后面的内容打下基础。全书大部分篇幅主要集中在第二块内容，即数据清洗的知识。作者从实际问题出发，详细的介绍了如何利用R语言处理科研中的数据，比如缺失值的插补，异常值的查找，长宽型数据结构的转换，时间日期数据的处理，文本数据的处理等，此外，作者也将数据清洗的内容进行了适当扩展，比如书中加入了R语言与数据库的连接方法，让大数据的处理更加得心应手。
