全书分为三大部分： 主要讨论有关增强数据密集型应用系统所需的若干基本原则。首先开篇第1章即瞄准目标：可靠性、可扩展性与可维护性，如何认识这些问题以及如何达成目标。第2章我们比较了多种不同的数据模型和查询语言，讨论各自的适用场景。接下来第3章主要针对存储引擎，即数据库是如何安排磁盘结构从而提高检索效率。第4章转向数据编码（序列化）方面，包括常见模式的演化历程。 我们将从单机的数据存储转向跨机器的分布式系统，这是扩展性的重要一步，但随之而来的是各种挑战。所以将依次讨论数据远程复制（第5章）、数据分区（第6章）以及事务（第7章）。接下来的第8章包括分布式系统的更多细节，以及分布式环境如何达成一致性与共识（第9章）。 主要针对产生派生数据的系统，所谓派生数据主要指在异构系统中，如果无法用一个数
本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了 30 多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。 如果你是一名创业者，或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员，那么本书不容错过。
作为一本 Power Query 初级入门读本，《Power Query 智能化数据汇总与分析》不深入介绍 M 函数，而是结合大量的实际案例，利用 Power Query 可视化的操作向导，来解决实际工作中烦琐的数据整理、汇总和分析问题，让读者在短时间内，能够对 Power Query 有一个较为全面的了解和掌握，并能迅速提升数据处理和统计分析效率。 《Power Query 智能化数据汇总与分析》适合具有 Excel 基础知识并经常处理大量数据的各类人员阅读，也可作为大专院校经济类本科生、研究生和 MBA 学员的教材或参考书。
数字技术为企业的管理方式带来颠覆性变革，我们正在经历从依赖企业管理者解读数据并做出业务决策，到由算法通过计算数据做出分析和判断，然后自动指挥业务活动的转变。作为企业管理者，需要思考如何顺应时代趋势，利用数字技术，实现企业管理方式升级，提升管理效率，降低管理费用，提高企业竞争力。撰写本书的主要目的是，帮助企业体系化地推进数字化管理升级。本书的主要内容包括数字技术驱动企业管理方式升级、企业数字化管理体系的四条线、企业数字化管理体系建设七步法、企业数字化管理体系建设实战、企业数字化管理体系建设中的瓶颈与难点、企业数字化管理体系建设的技术架构，以及未来数字智能技术展望。
《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括：Python语言基础、数据处理、数据分析、数据可视化，以及利用Python对数据库的操作、自建Python应用库的共享发布等。 《基于Python的大数据分析基础及实战》分3个部分：第1部分为基础知识，第2部分为实战案例，第3部分为拓展与延伸。本书内容丰富，讲解通俗易懂，非常适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。
大数据时代，对数据进行统计、分析和学习变得尤为重要，并被应用在各方各面，如无人驾驶汽车、AlphaGo、机器学习和人工智能等，而统计思维也成为大数据时代的基本思维。不仅这些高科技以统计学为基础理论，大数据时代的每个人都应该懂点统计学，学会读懂并分析数据，学会让数据说话，让数据为自己服务。《大数据时代的统计学思维：让你从众多数据中找到真相》就是大数据时代统计学思维的科普书籍，全书共10章，第1章用几个有趣好玩的例子引导读者进入统计学的世界，并调动读者学习统计学的兴趣。第2~10章结合生活和工作中的例子全面介绍统计学原理和方法，涵盖统计学中的数据收集、数据处理和统计推断等内容，既有抽样调查、概率、相关性分析、回归分析等实用统计方法，也有大数定律和中心极限定理等基本统计学原理。用实例引导理论，通俗
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。
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！
Origin是国际科技出版界公认的标准作图软件，它功能强大、操作简单，被科研人员、工程技术人员、高校师生等广泛使用。Origin软件不仅具有强大的数据可视化功能，还具有统计分析、信号处理、函数拟合、峰值分析等功能，且支持多种格式的数据导入和导出。 本书基于Origin 2021和Origin 2022版本进行案例讲解，旨在帮助读者快速入门，并掌握Origin软件的使用技巧。本书由浅入深地讲解了Origin软件的功能和相关案例，涉及基础2D图、等高线图、3D图以及专业图的绘制，也涵盖了数学运算、拟合分析、信号处理、多峰分析等主题。 本书适用于Origin软件的初学者和希望提高科技绘图及数据分析处理能力的读者，尤其适用于大中专院校的师生以及广大科研工作者。
本书以大数据为研究背景，系统分析了传统数据技术当前存在的问题以及面临的挑战，并对比了当前主流的面向大数据的数据库解决方案，在此基础上阐述了笔者的研究工作：基于MapReduce平台高处处理大数据的OLAP研究。书中反应了当前大规模数据仓库研究的热点和成果，值得大数据研究的人员参考和应用。
基于国家973和863相关项目成果，采用汤森路透德温特世界专利创新索引数据库作为统计数据来源，对信息存储领域的专利文献进行检索分析，从存储器件、设备、系统等层面，选取了目前信息存储领域中的多项重要技术，利用专利统计分析的方法对其发展态势进行了研究，特别是对信息存储领域相关专利进行宏观统计分析以及核心专利的具体分析，可以全方位了解信息存储技术的发展历程、专利的国家或地区分布、重要专利权人的竞争态势，为制定相关战略提供决策参考。同时结合华为、中兴、联想、浪潮、IBM、EMC、三星、美光等国内外知名企业的实际案例，从中国本土和全球的布局两个角度分别分析了专利产出、主要竞争者、热点技术和研发重点以及竞争态势，力求找到信息存储技术专利申请对技术产业化与企业发展的作用，供信息存储研发人员、专利工作者和
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？
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。
本书精讲数据结构与算法，对常见的算法及实现代码进行详细讲解，并配合具体的图表和教学视频，使读者轻松掌握数据结构知识并深入理解其中的算法思想。 本书共分8章，内容包括线性表、栈、队列、串、数组和广义表、树、图、查找、排序等。本书知识点涵盖全面，案例典型。本书习题大部分来自各大名校考研和 软件公司的笔试面试题目，是作者多年来的教学实践经验的总结。本书案例代码全部在Visual C++开发环境运行通过，并配套教学视频，方便读者自学。 本书适合C语言数据结构与算法的初学者、数据结构与算法课程考试的学生、考研人员、算法竞赛选手，也可以作为高等院校和培训机构计算机相关专业师生的教学参考书。
《金融数据挖掘：基于大数据视角的展望》结构分为五个篇章。*篇介绍了数据挖掘方法。第二篇是银行数据挖掘篇，介绍了基于神经网络和支持向量机的信用评分方法。第三篇是证券数据挖掘篇，探讨了基于多种数据挖掘方法的股票价格预测、金融市场价格预测及股票自动交易系统。第四篇是保险及其他数据挖掘篇，研究了基于数据挖掘的保险欺诈监测、企业破产预测、财务报表欺诈监测等问题。第五篇从大数据的视角对金融数据挖掘进行了扩展和展望。 《金融数据挖掘：基于大数据视角的展望》的读者可以是对数据挖掘算法感兴趣的计算机专业人士或是对金融信息挖掘感兴趣的领域专家，也可作为金融信息工程方向的工程硕士教材或参考书。
本书主要分为两*分。第**分以核心概念和基本应用为脉络，介绍了Flink的核心*性（如检查点机制、时间与窗口、shuffle机制等），*署，DataStream API、Dataset API、Table API的应用，运行时的原理等内容，每*章先对概念做基本的介绍，然后基于应用实例详细分析Flink的设计思想和源码实现。第二*分基于对原理的理解，手把手教读者如何进行定制化的*性开发和性能提*，能够让读者对Flink的理解有质的飞跃。这**分内容来自作者大量的工作实践，所引用例均源自企业级的真实需求，能够解决非常复杂的现网问题。
这是一本跟数据科学和数据科学家有关的“手册”，它还包含传统统计学、编程或计算机科学教科书中所没有的信息。 本书有3个组成部分：一是多层次地讨论数据科学是什么，以及数据科学涉及哪些其他学科；二是数据科学的技术应用层面，包括教程和案例研究；三是给正在从业和有抱负的数据科学家介绍一些职业资源。本书中有很多职业和培训相关资源（如数据集、网络爬虫源代码、数据视频和如何编写API），所以借助本书，你现在就可以开始数据科学实践，并快速地提升你的职业水平。
本书以案例的形式，介绍从思维模型分析到场景实践的数据分析方法。全书围绕“数据分析”与“运营增长”两大关键要素，在系统介绍数据分析思维、数据分析方法、数据采集技能、数据清洗技能等基础知识的同时，以问题为导向，解读运营与增长的关键性业务内容，在获客、*、留存、变现、自传播循环等各个核心运营环节展开数据分析实战。 本书提供案例相关数据集与源码包，适合数据分析、产品运营、市场营销等行业有数据分析具体业务需求的人士阅读，也适合相关专业的师生阅读。
随着信息技术特别是网络技术的飞速发展，人们收集、存贮、传输数据的能力不断提高。数据出现了爆炸性增长，与此形成鲜明对比的是：对决策有价值的知识却非常匮乏。知识发现与数据挖掘技术正是在这一背景下诞生的一门新学科。数据挖掘要在实际应用中发挥作用，高性能挖掘算法和数据挖掘软件平台是重要的技术基础。本书以数据挖掘基本问题、频繁模式与关联规则挖掘为切入点，研究高时间效率、高空间可伸缩性的挖掘算法和分布，异质、海量数据的协同挖掘软件模型，并探讨了数据挖掘过程中的隐私保护问题。 本书首先发现了基于树表示形式的虚拟投影方法，用于按深度优先挖掘密集型数据集；提出了稀疏型数据集表示形式及非过滤投影方法；进_步提出了基于伺机投影的思想，设计并实现了基于伺机投影的全新算法OpportuneProject，对比实验表明，该
计算广告是一项新兴的研究课题，它涉及大规模搜索和文本分析、信息获取、统计模型、机器学习、分类、优化以及微观经济学等诸多领域的知识。本书从实践出发，系统地介绍计算广告的产品、问题、系统和算法，并且从工业界的视角对这一领域进行具体技术的深入剖析。 本书立足于广告市场的根本问题，从计算广告各个阶段所遇到的市场挑战出发，以广告系统业务形态的需求和变化为主线，依次介绍合约广告系统、竞价广告系统、程序化交易市场等重要课题，并对计算广告涉及的关键技术和算法做深入的探讨，这一版中更是加入了深度学习的基础方法论及其在计算广告中的应用。
