《Excel VBA SQL数据管理与应用模板开发》结合大量实际案例，介绍了如何利用Excel VBA和数据库查询技术ADO SQL快速进行数据查询、汇总，并开发个性化模板。本书共分8章，提供了大量的VBA实际案例和实用代码。在实际工作中，可以直接照搬套用这些代码，或者结合自己的实际情况稍微修改加工即可使用。 另外，《Excel VBA SQL数据管理与应用模板开发》重点介绍了一个比较完整的合同系统模板，包括供货商信息管理、合同信息管理、发票管理、付款管理、统计分析等。《Excel VBA SQL数据管理与应用模板开发》可供企事业单位数据管理和数据分析人员参考，也可供大专院校相关专业的学生参考。

《Power Query M函数语言：基于Excel和Power BI的数据清理进阶实战》结合大量教学范例和逻辑示意图，深入介绍Microsoft Excel和Power BI中Power Query M函数语言数据清理技术的运行逻辑和进阶使用技巧。本书按照Power Query M函数语言的知识结构，在《Power Query M函数语言：基于Excel和Power BI的数据清理轻松入门》的基础上，详细、深入地介绍运算符、关键字、数据类型、函数的高级参数，以及高级函数和特殊函数等相关知识。 《Power Query M函数语言：基于Excel和Power BI的数据清理进阶实战》共9章，分为3篇。第1篇 背景知识 ，主要回顾 入门分册 的知识脉络，并展望本书的知识架构。第2篇 语法进阶 ，首先介绍Power Query M函数语言的高级运算符，然后介绍循环、迭代和递归的相关知识，接着介绍关键词的相关用法，最后介绍错误数据和类型数据的相关知识。第3篇 函数进阶 ，归纳总结M

本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。

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！

《从零开始学Power BI商业数据分析（视频教学版）》从Power BI的基础知识讲起，然后逐步深入Power BI的进阶提升知识，最后配合项目实战案例，展示如何使用Power BI进行数据清洗、数据统计和数据可视化等相关操作，从而帮助零基础的数据分析人员快速上手。 《从零开始学Power BI商业数据分析（视频教学版）》共10章，分为3篇。第1篇 基础知识 ，主要介绍Power BI的下载和注册方法，以及相关组件的用法和数据导入方法，并详细介绍Power Query的基础知识。第2篇 进阶提升 ，主要介绍数据建模、度量值、常用的度量值应用案例、可视化看板的制作和Power BI在线版等相关知识。第3篇 项目案例实战 ，主要介绍如何用Power BI制作数据大屏、多页面交互式可视化看板和分析报告3个实战案例，展现数据清洗、数据统计和数据可视化的整个流程。 《从零开始学Power BI商业数据分析（

《用Python高效操作Excel很简单》由浅入深地介绍如何通过Python语言高效、快捷地操作Excel，从而引领读者高效编写各种能自动生成Excel文件的代码。本书精讲Python操作Excel涉及的大部分知识点，并辅以130多个典型代码示例和2个项目实战案例，从而帮助读者轻松上手并快速提高。 《用Python高效操作Excel很简单》共11章，分为3篇。第1篇 基础知识 ，首先介绍Python开发环境的搭建和配置，然后介绍基本数据类型、运算符、控制语句、循环语句、函数、模块和类等Python语言的基础知识。第2篇 进阶实操 ，首先介绍Openpyxl库的基本操作，然后介绍如何使用Openpyxl制作各种常见的Excel图形，最后介绍Openpyxl与Pandas交互操作的相关知识。第3篇 项目实战 ，首先基于前文介绍的基础知识，从数据采集、数据清洗和创建数据报表等方面展示一个自动生成财务报表项目的开发过程，然后对项

《数据恢复技术深度揭秘》第二版是在版的基础之上增加和充实了服务器磁盘阵列（RAID）的恢复技术，新增了大量实战案例的分析和讲解，并精选书中的部分案例由作者制作成视频教学资料（DVD光盘）随书附赠。本书从逻辑类恢复和物理类恢复两个层面全面讲解当前实用的数据恢复技术。在逻辑类数据恢复方面，内容包括MBR磁盘分区、动态磁盘分区、GPT磁盘分区、Solaris分区、APM分区、BSD分区的恢复技术；Windows平台的FAT32、FAT16文件系统、NTFS文件系统、ExFAT文件系统的恢复技术；UNIX平台的UFS1、UFS2文件系统恢复技术；Apple平台的HFS 文件系统恢复技术；Linux平台的EXT3、EXT4文件系统恢复技术；还包括Windows、UNIX、Apple、Linux平台的RAID-0、RAID-1、RAID -1E、RAID-5、RAID-5EE、RAID-6、HP双循环等磁盘阵列恢复技术。在物理类数据恢复方面，内容包括各大品牌硬盘出现电路故障、磁头

数据、模型与决策是应用数学建模和计算机技术帮助决策者解决问题。作为国外一本优秀的数据、模型与决策的教材，本书具有以下特色： 1．对枯燥、复杂和技术化的数学问题用简明易懂的语言予以解释，兼顾严谨的数理逻辑。 2．突出建模分析框架和基础逻辑的讲授和训练，在某种程度上实现了艺术与科学的有机融合。 3．课后习题丰富，并配有网络题库，供自学者加强训练，及时检查对理论模型及其求解方法的掌握程度。 第12版把修订重点放在企业和组织的*技术发展上，增加了商业分析（第1章）、项目风险（第8章）以及数据挖掘（第14章）等内容。

《数据挖掘(概念与技术原书第3版)》完整全面地讲述数据挖掘的概念、方法、技术和 研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。 《数据挖掘(概念与技术原书第3版)》是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都 的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的 教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。本书由韩家炜等著。

本书从整体上进行了改编、扩展和提升。主题内容也有所延伸，其中包括数据的类型与域、表的比较、映像关系、聚集操作符与汇总、视图更新以及子查询。还特别收录了一个新附录 NoSQL与关系理论。 本书涵盖以下内容： 是否可以编写SQL查询找到在公司每个编程部门都至少工作过一次的员工？ 你是否可以确保查询的正确性？为什么恰当的列命名非常重要？ 数据库中的null会带来错误的答案。为什么？你又能做什么？ 映像关系如何能帮助你表述复杂的SQL查询？ 虽然SQL支持 量化比较 ，但是尽量不要使用。为什么？怎样才能避免使用？

本书以LabVIEW 2017为基础，讲述LabVIEW图形化编程语言的原理，以及如何利用LabVIEW完成虚拟仪器设计。全书共15章，分为两篇，分别是基础知识篇（第1~13章）和实际应用篇（第14、15章）。第1章，综述虚拟仪器技术的构建思想和方法论。第2~7章，讲述LabVIEW图形化编程语言的基本原理以及编程方法，内容包括LabVIEW入门、基本数据类型、程序结构、复合数据类型、文件I/O、图形显示及其他技巧。第8~12章，阐述如何利用LabVIEW去控制仪器硬件以实现对被测信号的数据采集，内容包括选择专用的数据采集卡进行数据采集； 利用计算机自带的声卡实现数据采集； 利用摄像头完成图像采集； 仪器控制和控制单片机。第13章，讲述用LabVIEW实现仪器应用的若干算法和信号分析处理的相关知识。第14、15章，介绍利用LabVIEW完成有实际应用背景的两个虚拟仪器项目，分别是用LabVIEW构建函

本书是深入研究互联网思维的经典之作，从互联网思维的定义到互联网思维应用的具体案例表现。作者深入浅出、条分缕析，全面阐述互联网思维的内核与精神，逐一点评当前关于互联网思维的各种观点。本书从初级的互联网思维应用到高端的粉丝经济，平台建设，自媒体营销的方法都有详细讲解介绍。让读者了解什么是互联网思维的同时还能学会把互联网思维运用到自己的工作学习已经生活中 进入大数据时代，让数据开口说话将成为司空见惯的事情，本书将从大数据时代的前因后果讲起，全面分析大数据时代的特征、企业实践的案例、大数据的发展方向、未来的机遇和挑战等内容，展现一个客观立体、自由开放的大数据时代。

这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在全球170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 全书共10章，内容从逻辑上分为四个部分。 第一部分（第1～3章） 第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细阐述了不同类型的数据的管理方式和

本书在前4版的基础上针对*新的考研大纲和大量读者来信提出的要求进行了修订。本书共13章，内容包括绪论、线性表、栈和队列、串、递归、数组和广义表、树和二叉树、图、查找、内排序、外排序和文件等，书中给出了大量练习题和各类上机实验题，每个知识点都配有视频讲解。本书内容全面，知识点翔实，条理清晰，讲解透彻，实例丰富，实用性强，适合高等院校计算机和相关专业的本科生及研究生使用。

本书以实际数据的分析处理为例，介绍相应统计方法的运用，以及在EViews10.0中的实现。本书涉及处理以时间序列为主的多种类型的数据，包括描述统计、回归分析、传统时间序列等基本的数据分析以及建立条件异方差、向量自回归（包括非结构化和结构化模型）、向量误差修正模型、Panel Data模型、状态空间模型、混频数据模型等复杂的计量经济模型．本书为运用各种统计方法和经济计量方法处理数据的读者，提供了一个简便易学、易操作的工具。读者可以省去许多时间，很快就能够学习掌握该软件的运用。

本书从初学者的角度循序渐进地讲述了MATLAB R2018b的基础知识和应用，全书共分2篇，第1篇为MATLAB基础知识，详细介绍了MATLAB R2018b概述、MATLAB使用初步、MATLAB数值计算及符号计算、MATLAB计算的可视化和GUI设计、 MATLAB程序设计、Simulink仿真、MATLAB应用程序接口等基础知识。第2篇为MATLAB应用，分别介绍了MATLAB工具箱概述，MATLAB在图像处理、优化设计、数字信号处理、控制系统、电力系统、深度学习中的应用，尤其对于MATLAB R2018b全新增加的深度学习功能进行了深入介绍，读者可在基础知识学习的同时进行上机练习。 本书内容深入浅出，简明扼要，结构清晰，方便读者选择学习阅读，适合广大科研及工程技术人员使用，也可作为高校理工科学生的专业教学用书和参考用书。

本书阐述文本数据挖掘的理论模型、实现算法和相关应用，主要内容包括：信息抽取和知识库构建、文本聚类、情感文本分析、热点发现、生物医学文本挖掘和多文档自动摘要等。写作风格力求言简意赅，深入浅出，通过实例说明实现相关任务的理论方法和技术思路，而不过多地涉及实现细节。本书可作为大学高年级本科生或研究生从事相关研究的入门文献，也可作为从事相关技术研发的开发人员的参考资料。

当前,全国首批已有38所高校开设“大数据”本科专业，预计在未来5年中开设“大数据”专业的本科和高职高专院校数量将超过500所，社会对大数据人才需求将达到100万人/年。案例教学是大数据人才培养的重要内容。 《大数据案例精析》以分析大数据在各个行业领域中的典型应用为主线，选取国际国内有代表性的近30个案例进行重点分析，行业包括政府大数据、金融大数据、医疗大数据、交通大数据、教育大数据、旅游大数据、通信大数据、电商大数据、工业大数据以及物流大数据等，每个行业平均选取3个案例进行分析，形成相对统一的案例分析体系，同时还提供相应的教学课件配套资源。

本书是从大数据和云计算相结合的视角，系统地介绍大数据云架构技术与实践的专业图书，全书分为五篇19章，分别介绍大数据云计算的概论、关键技术、体系架构、云架构实践与编程和安全。本书层次清晰，结构合理，主要内容包括大数据云计算关系、大数据应用价值、分布式计算、NoSQL数据库、机器学习、虚拟化、Docker容器、Web 2.0、绿色数据中心、基础设计即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）、容器即服务（CaaS）、大数据云架构搭建、Spark大数据编程、大数据和云计算面临的安全威胁、保障大数据安全、应用大数据保障安全等。本书可作为高年级本科生和研究生教材，也可作为广大科学技术人员和计算机爱好者的参考书。

《数据挖掘技术及其应用(精)》(作者杨杰、姚莉秀)系统地讲述了数据挖掘的基本概念和基本原理，并列举了在相应领域具有参考价值的算法及其改进和应用，是作者多年来从事教学和科研实践的成果。全书共9章，主要内容有：数据挖掘的基本概念和原理，数据预处理，各种分类、聚类和关联规则提取算法，以及在生物信息学、材料学中的实际应用案例。 《数据挖掘技术及其应用(精)》可用作计算机专业本科高年级学生或研究生的教材或参考书，也可供从事计算机信息处理、数据挖掘、工业优化等有关方面工作的科技人员参考。

本书内容涵盖了目前使用*为广泛的大数据处理系统Hadoop生态圈中的几大核心软件系统：分布式大数据处理系统Hadoop、数据库HBase、数据仓库工具Hive、内存大数据计算框架Spark和Spark SQL，详细介绍了它们的架构、工作原理、部署方法、常用配置、常用操作命令、SQL引擎等内容。本书对上述几大系统的各种安装部署方式给出了详细步骤，常用命令也都有具体示例介绍，是一本实操性很强的工具书，能帮助初学者快速掌握这几款常用的大数据处理系统。 本书以浅显易懂的语言风格和图文并茂的操作示例引领读者迈入大数据实践之门，可以作为培养应用型人才的课程教材，也可作为开发人员的自学教材和参考手册。

本书详细介绍了一*大数据应用案例 电信用户行为分析，案例涉及数据预处理、数据存储与管理、数据分析和数据可视化等流程，涵盖Linux、MySQL、Hadoop、Spark、IntelliJ IDEA、Spring等系统和软件的安装与使用方法。案例采用的编程语言是Scala和Java。

本书把数据视为基础资源，根据软件工程的思想，总结了数据利用的历程，讲述了数据仓库的基础知识和工具，研究了数据挖掘的任务及其挑战，给出了经典的数据挖掘算法，介绍了数据挖掘的产品，剖析了税务数据挖掘的案例，探索了大数据的管理和应用问题。 全书仰望前景，深入浅出，强调基础，注重应用，是软件工程及相关专业的高年级本科生、研究生的理想教材，亦可作为相关领域的参考用书。

本书介绍了数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况，讲述了常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书还从实际应用出发，讲解了基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。日志挖掘技术现在已得到了广泛的运用。通过以上内容的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。