本书详细介绍面向静态数据集、增量数据集和数据流的高效用模式挖掘的理论和方法。本书内容共6章，第1章和第2章介绍高效用模式挖掘的相关知识。第3章介绍面向静态数据集的包含正、负效用的两类精简高效用模式挖掘方法的研究与实现过程。第4章介绍针对增量数据集的挖掘高效用模式全集和精简集合的研究。第5章介绍面向数据流的精简高效用模式挖掘方法的研究与实现过程。第6章给出三个高效用模式挖掘的应用案例。第3～5章有方法的实验证明，供读者更好地了解本书内容。 本书可供大数据挖掘相关专业研究生参阅，也可以作为大数据挖掘研究和应用开发人员的参考书。

当前，数据驱动的理念已渗透到各个领域，数据科学和人工智能技术在制造业、金融、教育等多个行业中得到了广泛应用。Python作为一种编程语言，已成为数据科学和人工智能领域的事实标准，它丰富的生态系统进一步增强了它在这些领域中的重要性。然而，随着数据量的不断增长，如何利用Python加速数据科学处理，并将它扩展到集群上的并行计算，已成为数据科学家面临的重要挑战。本书详细介绍了4种数据科学工具：Dask、Ray、Xorbits和mpi4py，这些工具可以帮助数据工程师和科学家处理更大规模的数据集、训练更复杂的模型，并更高效地进行机器学习模型的迭代和部署。本书面向具备一定数据科学基础的数据工程师、数据科学家或领域专家，同时也适合大学生和研究生作为进入高性能数据科学领域的入门读物。

本书系统地介绍向量数据库的原理、技术实现及其应用，重点分析传统数据库在处理高维向量数据时的局限性，并提供相应的解决方案。本书分为4个部分，共13章，内容涵盖从理论基础到技术实践的多个方面，详细讨论高维向量表示中的信息丢失、嵌入空间误差和维度诅咒等问题，结合FAISS和Milvus等主流开源工具，深入剖析向量数据库的索引机制、搜索算法和优化策略。通过实际案例，展示向量数据库在推荐系统、行为分析、智能诊断、语义搜索等领域的应用，并特别强调企业级语义搜索系统的开发与部署经验。 本书不仅提供深度的理论指导，还通过丰富的案例帮助读者掌握如何构建高效的向量搜索引擎，适合从事搜索引擎与推荐系统开发的工程师，数据科学、人工智能及相关领域的从业者、研究人员，以及对向量数据库与相似性搜索感兴趣的读者，也可作为培训

ChatGPT能够辅助用户完成从数据收集、预处理、分析到报告撰写的全过程，大大降低了数据分析的门槛。本书共分为 12 章，内容包括ChatGPT 的注册与登录、提示词的设计、GPTs、数据的收集与预处理、特征工程、各类数据分析方法（包括对比分析、分组分析、回归分析、分类分析和聚类分析等）、数据可视化，以及如何利用 ChatGPT 撰写数据分析报告等。每章都提供了丰富的示例和实用技巧，旨在帮助读者掌握利用ChatGPT 进行数据分析的方法，提高数据处理和分析的效率。本书适合数据分析师、市场研究人员、高校师生、科研人员以及任何对数据分析感兴趣的读者。通过阅读本书，读者不仅能学习到如何使用 ChatGPT 进行数据分析，还能深刻理解数据分析的核心概念和应用场景，从而在实践中更加游刃有余。

《MySQL是怎样运行的：从根儿上理解MySQL》采用诙谐幽默的表达方式，对MySQL的底层运行原理进行了介绍，内容涵盖了使用MySQL的同学在求职面试和工作中常见的一些核心概念。 《MySQL是怎样运行的：从根儿上理解MySQL》总计22章，划分为4个部分。第1部分介绍了MySQL入门的一些知识，比如MySQL的服务器程序和客户端程序有哪些、MySQL的启动选项和系统变量，以及使用的字符集等。第2部分是本书后续章节的基础，介绍了MySQL的一些基础知识，比如记录、页面、索引、表空间的结构和用法等。第3部分则与大家在工作中经常遇到的查询优化问题紧密相关，介绍了单表查询、连接查询的执行原理，MySQL基于成本和规则的优化具体指什么，并详细分析了Explain语句的执行结果。第4部分则是与MySQL中的事务和锁相关，介绍了事务概念的来源，MySQL是如何实现事务的，包括redo日志、undo日

MongoDB数据库与传统的关系数据库不同，是一种面向文档的、介于非关系数据库和关系数据库之间的数据库。本书帮助读者掌握MongoDB8数据库及其相关技术栈的开发知识，涵盖MongoDB8数据库应用开发的要点。本书配套PPT课件。 本书共分15章，内容包括MongoDB数据库基础知识、系统安装与环境搭建、可视化工具的使用、Shell工具的使用、基础操作、聚合、数据模型、时间序列、事务、索引、副本集、分片、存储、安全以及性能优化。 本书内容翔实、代码精练、重点突出、实例丰富，能够帮助初学者快速掌握MongoDB数据库运维和开发方法，对提高Web应用开发人员的技术水平也有非常积极的指导作用。本书也适用于高等院校或高职高专院校学习MongoDB相关课程的学生。"

近年来，Python语言凭借其在数据分析领域的优势得以快速发展，众多软件厂商也相继推出了支持Python的量化交易平台。本书是介绍Python编程及其在量化交易领域的实践技巧的图书，旨在帮助读者掌握基本的Python编程技能，并顺利应用于期货量化交易实践。 本书内容分为两篇。第一篇是Python基础，通过13章内容介绍了Python编程的基础知识，如语法规则、数据类型、函数、类、装饰器、异常处理、进程和线程等；第二篇是期货量化交易，通过8章内容介绍了Python在期货量化交易中的应用，并基于天勤量化交易平台讲解开发实践，涉及pandas模块、TqSdk的接口、函数、量化策略的框架、图形化编程及时间序列相关的知识等。 本书适合对期货量化交易感兴趣的普通投资者和投资机构专业人员阅读，读者可以具备一定的?Python基础，也可以通过本书从头学习Python基础知识，再进一

本书围绕数据分析与建模的核心主题，以解决实际问题为导向，通过紧凑的章节内容、丰富的案例代码和详尽的操作步骤，展示了如何在各种情境中应用Stata进行数据整理和分析的工作。本书致力于实用、高效和系统地呈现Stata软件的数据分析功能。循序渐进、问题导向以及案例丰富是本书的三大特色。 全书共分为14章，第1～5章为基础章节，这部分内容侧重Stata的基础操作与常用命令的讲解。第6～10章为进阶章节，这部分内容侧重Stata的函数、矩阵、循环语句以及编程等方面的操作讲解。第11～14章为应用章节，这部分内容侧重数据分析的综合案例操作以及分析结果报告。本书为每个模块均提供了可复制的代码和数据，并对代码进行了详细的注释，以便读者更好地学习、掌握和应用相关的知识点。 本书可供经济学、管理学、统计学、金融学、社会学、医学以及其他相

本书是一本全面关注数据资产管理体系、方法与实践的工具书，主要内容分为数据资产管理概述、数据资产管理体系、数据资产管理技术、数据资产管理实践、数据资产管理未来共5章。第1章概要介绍数据资产管理的定义与内涵、数据资产管理关注的焦点、数据资产化的战略意义等；第2章介绍数据资产管理体系，涵盖数据管理组织、战略规划、保障机制、运营体系等内容，涉及数据盘点、数据开发、数据质量、数据安全、数据服务、数据价值等工作；第3章介绍数据资产的数据采集、存储、建模、处理等技术，阐述数据资产管理平台工具能力，涉及元数据、数据标准、数据安全、数据质量、主数据、数据建模、数据集成、数据开发、数据标签、数据科学、数据要素流通等内容，并分析了数据底座和数据治理两种场景的技术路线；第4章主要介绍具体实施方法及路径选

本书全面系统地介绍了数据编织的核心概念、设计原则、关键技术、面临的挑战及未来发展趋势，并结合实际案例，探讨了数据编织在行业领域的应用，为读者提供全面的数据管理和知识发现的全新解决方案。 本书可供数据管理和工程师、数据科学家、T和业务领导者，以及对数据编织感兴趣的专业人员阅读参考。

本书基于Python语言环境，从零开始讲解数据科学工作，讲述数据科学工作所需的技能与诀窍，并带领读者熟悉数据科学的核心知识：数学与统计学。作者借助大量具有现实意义的实例详细展示了什么是数据科学，介绍了从事数据科学工作需要用到的库，如NumPy、scikit-learn、pandas等，还在每章末尾推荐了很多学习资源，帮助你进一步巩固本书所学。新版基于Python 3.6，重写了所有示例和代码，并根据数据科学近几年的发展，新增了关于深度学习、统计学和自然语言处理等主题，让图书内容与时俱进。

基于实用、易学的原则，从功能、使用、原理等多个维度对Pandas做了全方位的详细讲解。本书是Python数据分析入门书，每个概念都通过简单实例来阐述，便于读者理解与上手。具体内容包括：Python及Pandas基础知识，加载和查看数据集，Pandas的DataFrame对象和Series对象，使用matplotlib、seaborn和Pandas提供的绘图方法为探索性数据分析作图，连接与合并数据集，处理缺失数据，清理数据，转换数据类型，处理字符串，应用函数，分组操作，拟合及评估模型，正则化方法与聚类技术等。

本书是企业业务数据分析方法的集大成著作，由知名数据分析研究机构CDA数据科学研究院组织多名行业知名专家进行研讨、策划、编著而成。书中内容源自对各行业领军企业实际业务数据分析技能需求的提炼及总结，这些企业包括但不限于、、腾讯、百度、德勤、毕马威、IBM、微软、GrowingIO等。全书由八大部分构成：绪论、表格结构数据与表结构数据、数据库应用、描述性统计分析、多维数据透视分析、业务分析方法、业务分析报告与数据可视化报表、CDA职业发展。本书适合CDALEVEL I应试人员、企业业务工作人员、数据分析从业人员、数据相关岗位求职人员学习。

人类的进步离不开科学研究和实验，数学正是一门基础科学理论。有识之士指出：“数学建模与仿真正成为工程设计过程中的关键工具。科学家正日益依赖于计算方法，并在仿真结果精度和可靠性方面借鉴经验。”目前，MATLAB已发展成为国际公认的优秀数学应用软件之一，其在数值计算方面的作用更是首屈一指。本书正是基于此，从数学建模与仿真的角度来介绍MATLAB的应用。 本书对MATLAB进行了详细的介绍和讲解，条理明晰，深入浅出，并配有大量实用的例子。本书共分为2篇——基础篇和应用篇，涵盖绝大部分数学建模问题的MATLAB求解方法。前10章为基础篇，讲解有关MATLAB的基础知识，包括MATLAB的入门、数值运算、符号运算和图形功能、M文件、Simulink仿真模型和科学计算等内容，在此基础上介绍了应用数学领域的问题求解，如基于MATLAB的微积分问题、线性代数、积分

本书从零基础读者的角度出发，通过通俗易懂的语言、丰富多彩的实例，循序渐进地让读者在实践中学习Oracle编程知识，并提升自己的实际开发能力。 全书共分为5篇18章，内容包括Oracle 19c概述、Oracle管理工具、SQL*Plus命令、数据表操作、SQL查询基础、SQL查询进阶、子查询、常用系统函数、PL/SQL语言编程、游标、过程与函数、触发器、索引和视图、完整性约束、管理表空间和数据文件、事务、数据导入与导出和企业人事管理系统等。书中知识点讲解细致，侧重介绍每个知识点的使用场景，涉及的代码给出了详细的注释，可以使读者轻松领会Oracle的精髓，快速提高开发与运维技能。同时，本书配套了大量教学视频，扫码即可观看，还提供所有程序源文件，方便读者实践。 本书适合Oracle初学者、数据库技术入门者自学使用，也可用作高等院校相关专业的教

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“数据科学应用”结合，为数字化人才的培养助力。全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，

《高性能MySQL》一直是MySQL领域的经典之作，影响了一代又一代的DBA和技术人员，从第3版出版到第4版出版过去了近十年，MySQL也从5.5版本更新到了8.0版本。第4版中增加了大量对MySQL5.7和8.0版本新特性的介绍，删除了一些在新版本中已经废弃或者不再常用的功能，还增加了对云数据库的介绍，减少了在官方文档中已有的基础使用和配置相关的内容。这些年，MySQL经过在大量大规模互联网场景中的应用验证，使得本书在继续关注高性能之外，还用了较多的篇幅来介绍如何实现MySQL的大规模可扩展应用和合规性问题，这是相比第3版优选的不同，也是本书封面上所写的“经过大规模运维验证的策略”的体现。 本书适合数据库管理员(DBA)阅读，也适合系统运维和开发人员参考学习。不管你是数据库新手还是专家，相信都能从本书中有所收获。

数据科学与大数据分析在当前是炙手可热的概念，关注的是如何通过分析海量数据来洞悉隐藏于数据背后的见解。本书是数据科学领域为数不多的实用性技术图书，它通过详细剖析数据分析生命周期的各个阶段来讲解用于发现、分析、可视化、表示数据的相关方法和技术。 《数据科学与大数据分析——数据的发现 分析 可视化与表示》总共分为12章，主要内容包括大数据分析的简单介绍，数据分析生命周期的各个阶段，使用R语言进行基本的数据分析，以及高级的分析理论和方法，主要涉及数据的聚类、关联规则、回归、分类、时间序列分析、文本分析等方法。此外，本书还涵盖了用来进行高级数据分析所使用的技术和工具，比如MapReduce和Hadoop、数据库内分析等。 《数据科学与大数据分析——数据的发现 分析 可视化与表示》内容详细，示例丰富，侧重于理论与练习

本书完整讲解了电商行业数据仓库项目的构建过程，并提供了详尽的思路分析。在整个项目构建过程中，介绍了关键技术框架的安装部署流程和经典数据指标的解决方案，并在其中穿插了大数据和数据仓库的经典理论知识。 本书从逻辑上可以分为两大部分：第一部分是第1～3章，重点讲解数据仓库的相关概念和项目需求分析，并初步介绍了数据仓库项目所需的基本环境；第二部分是第4～8章，这一部分是数据仓库项目构建的关键部分，讲解了如何对海量数据进行采集、存储和分层计算，以及如何计算得到所有的项目需求指标。 本书适合具有一定编程基础且对大数据有兴趣的读者阅读参考。通过本书，读者可以快速了解大数据和数据仓库，掌握数据仓库项目的完整构建流程。

数据治理是一门实践中的学问。本书轻理论、重实践，是一份实用的数据治理指南，涉及数据治理组织、管理制度、流程规范、数据标准管理、数据质量管理、元数据管理、主数据管理、数据安全与隐私等主题。全书共分为3篇，第一篇包含第1章和第2章，介绍数据治理的理论与方法；第二篇包含第3章至第6章，介绍数据治理的平台建设与工具；第三篇包含第7章至第9章，介绍不同场景下的数据治理案例，通过案例场景细节解读和工作步骤阐述，帮助读者将数据治理理论转化为切实可行的解决方案和行动策略。本书适合数据管理专家、企业决策者、数据治理从业者，以及对数据治理感兴趣的人士阅读。

使用Python进行数据分析与可视化十分便利且高效，因此Python被认为是很优秀的数据分析工具之一。本书以22个案例，由浅入深地介绍不同数据分析与可视化的应用和实现。仅通过这些案例并不能展示数据分析与可视化的全部精髓，而更多的应用也值得读者在学到一定的基础技能后进一步探索。本书面向高等院校计算机科学、软件工程、大数据、人工智能等相关专业的师生，以及Python语言初学者和数据分析从业人士。

《Oracle从入门到项目实践：超值版》采取“基础知识→核心技术→核心应用→不错应用→项目实践”的结构和“由浅入深，由深到精”的学习模式进行讲解。全书共5篇24章，篇讲解Oracle数据安装、配置与管