本书的主要内容有：研究数据管理趋势，包括技术发展、法规要求和隐私问题。深?了解可拓展架构，学习各组件之间如何协同?作。探索数据治理和数据安全、主数据管理、?助式数据市场，以及元数据的重要性。

内容简介 本书由算法领域的知名专家Steven Skiena教授撰写，重点介绍了收集、分析和解释数据所需的技能和原理。作者由浅入深地介绍了数据科学的概念、所需的数学基础、数据的整理清洗方法、数据分析方法（统计分析、可视化、数学模型、线性逻辑回归、机器学习算法等）以及学习大数据分析的意义。作者结合应用领域的大量数据分析案例，以解释大数据分析所需技能与原理，帮助者快速理解和掌握大数据分析的理论与方法，也将这些技能的实际应用方式展现得淋漓尽致，具有很强的可操作性。

暂无内容简介。。。。。。

本书的主要内容包括网络数据的定义及相关指标、大规模网络中的链路预测、网络聚类分析、网络数据中的空间自回归模型、大规模网络数据中的模型估计方法、网络数据中的空间自回归模型的拓展及应用、网络中的空间自回归模型的其他研究方向等。本书关注大规模网络数据分析中的模型方法。除模型方法本身的理论拓展之外，在估计方法等方面会涉及大规模数据中的快速计算方法。由于网络分析本身的范围非常广泛，故本书涉及的内容仅局限于作者及团队研究工作中使用到的一部分。在本书的后，为了启发读者思路，对于部分已有网络研究进行了梳理。

本书基于主题划分章节，每一章归纳总结了对应的常见问题和解决方法。本书第1章是R基础知识，包括包安装和数据加载；第2章是绘图概述，帮助读者快速绘制基本图形；第3章至第6章具体介绍绘制几种不同图形（如条形图、折线图和散点图等）的方法；第7章至 2章讨论如何修改图形的各个元素（如注解、坐标轴、标题、图例和配色等）； 3章介绍其他难以清晰分门别类的图形； 4章介绍将R绘制的图形以不同的格式导出的方法； 5章讨论数据处理的相关问题。 本书由浅入深，脉络分明，适合数据分析、数据处理和数据可视化的初学者；此外，本书对有一定数据分析、数据处理和数据可视化工作经验的读者，也是一本方便的速查手册。

本书是AutoCAD 2021官方标准教程，主要讲解AutoCAD 2021的基本功能及实际应用。本书内容主要包括AutoCAD入门、创建和编辑二维图形对象、对象特性与图层、图纸布局、文字与表格、尺寸标注、图案填充、块的使用、创建复杂对象、打印出图、创建三维模型。通过对本书的学习，读者能够理解AutoCAD 2021的精髓，全面精通AutoCAD 2021，并能融合AutoCAD 2021的设计与管理思想，成为真正的AutoCAD 2021设计高手。本书可作为AutoCAD 2021培训的通用标准教材，也可作为高等院校相关专业的教材。

内容简介 全书规划上中下三篇，上篇将系统讲解数据挖掘涉及的各类技术，包括：数据挖掘基础知识(包括常用的概念、数学知识、数据挖掘流程，而不是通常的绪论或概论)、数据预处理方法和技术、关联技术、分类技术、聚类技术和数据立方技术等内容，每个部分都包含相关算法的讲解，包括算法理论基础、算法使用经验、应用案例，每个应用案例都将有Matlab源程序，以便读者通过模仿的方式来加深对知识的学习。中篇甄选几个典型的数据挖掘应用案例，包括搜索引擎文本挖掘、银行信用评级、电子商务精 确营销、广告投放、手机客户精准挖掘等。通过这些案例的介绍来加深读者对数据挖掘技术的理解和应用场景的熟悉，从而培养读者对数据挖掘的应用感或者说项目感。下篇将总结数据挖掘中的项目经验、心得和感悟，以