《数据库内核揭秘:存储引擎的设计与实现》深入探讨数据库存储引擎内部机制，详细阐述存储引擎在数据管理中的核心作用，包括数据的存储、检索和管理方式。 《数据库内核揭秘:存储引擎的设计与实现》共分为9章，内容从基础概念到高级技术，逐步深入，旨在为读者提供全面的理解框架。前两章为读者打下坚实的基础，介绍数据库系统的概览以及操作系统和硬件设备的相关知识。接下来的章节按照自底向上的逻辑顺序，深入探讨存储引擎的关键模块。第3章讲解数据在文件系统中的组织和存储方式。第4章聚焦于缓冲池的设计和缓存替换算法。作为存储引擎的核心，索引在本书占据了3章的篇幅（第5~7章），详细介绍哈希表、LSM树和B树家族。第8章讨论数据库系统中的故障恢复问题，重点介绍了ARIES算法及其应用。第9章关注事务的并发控制，包括多种并发控制算法

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。 无论是互联网公司商业化部门的产品技术人员，还是对个性化系统、大数据变现或交易有兴趣的产品技术人员，传统企业互联网化进程的决策者，传统广告业务的从业者，互联网创

《DAMA数据管理知识体系指南（第2版修订版）》是在DMBOK1和DMBOK2的基础上进行的第三次修订，是DAMA国际对过去30多年数据管理领域领域知识和实践的总结，是一部数据管理基础工具书。本书从数据处理道德规范、数据治理、数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成和互操作性、文档和内容管理、参考数据和主数据、数据仓库和商业智能、元数据管理、数据质量管理、大数据数据科学、数据管理成熟度评估、数据管理组织和角色期望、数据管理和组织变革管理等方面对数据管理知识体系进行了系统介绍，并描述如何在数据管理功能领域中应用这些原则。

本书主要以项目实战为主线，从0到1的项目开发流程，教会读者如何开发全栈项目。它基于最新的Spring Boot3.1以上版本和Vue.js3.0版本的前后端分离项目开发，以及面向用户端的uni-app的小程序开发。本书基础的知识会在项目的开发过程中穿插讲解，不会单独的基础知识讲解，采用实战驱动学习知识的教学方法，并通过详细的代码示例、清晰的图解和源码解析帮助读者快速理解和掌握全栈项目开发的技巧和最佳项目实践。 本书共22章，包括Spring Boot篇、Vue篇和uni-app篇。Spring Boot篇（第1~14章）从环境搭建到项目上线，逐步深入讲解项目开发流程，并使用了众多企业级流行的开发技术，如Redis、Docker、Jenkins、Mybatis-plus等。Vue.js篇（第15~19章）使用Vue 3.0版本，采用开源的Vue.js框架Vue-Vben-Admin作为项目启动模板，帮助快速搭建后台管理系统，节约时间成本等。uni-app篇（第20~22章

本书旨在向广大有志于投身芯片设计行业的人士及正在从事芯片设计的工程师普及芯片设计知识和工作方法，使其更加了解芯片行业的分工与动向。 本书共分9个章节，从多角度透视芯片设计，特别是数字芯片设计的流程、工具、设计方法、仿真方法等环节。凭借作者多年业内经验，针对IC新人关心的诸多问题，为其提供了提升个人能力，选择职业方向的具体指导。本书第1章是对IC设计行业的整体概述，并解答了IC新人普遍关心的若干问题。第2章和第3章分别对数字IC的设计方法和仿真验证方法进行了详细阐述，力图介绍实用、规范的设计和仿真方法，避免了Verilog语法书中简单的语法堆砌及填鸭式的灌输。第4章是在前两章的基础上，通过实例进一步阐述设计方法中的精髓。第5章详细介绍了作为当今数字芯片主流的SoC芯片架构和设计方法，并对比了非SoC架构的设计，

本书从ChatGPT的基础原理讲起，逐步深入ChatGPT的基础使用和插件功能，并结合各种数据分析实战案例，重点介绍了ChatGPT在各种数据分析场景中的应用方法，让读者不但可以系统地学习ChatGPT相关知识，而且能对ChatGPT在数据分析中的实战应用有更为深入的理解。本书分为12章，涵盖的主要内容有：ChatGPT简介与基本原理；ChatGPT使用方法；ChatGPT插件应用；ChatGPT构建指标体系、ChatGPT 数据采集与清洗、ChatGPT探索性数据分析和可视化、ChatGPT推断性统计分析、ChatGPT预测分析、ChatGPT文本分析、ChatGPT分类和聚类分析、ChatGPT推荐算法、ChatGPT行业数据分析等的应用方法和实战项目案例。 本书内容通俗易懂、案例丰富、实用性强，特别适合对数据分析和人工智能感兴趣的读者，包括但不限于数据分析师、数据科学家、数据工程师、有数据分析需求的业务人员、研究人员、学生

大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。 本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、实时数据写入和高效数据分析等内容。第3部分主要介绍大模型下的数据资产，围绕数据资产重塑、数据资产标准、数据资产建设、数据资产运营展开。第4部分主要介绍自研领域大模型的技术原理，涵盖领域大模型的基础、需求理解算法、需求匹配算法、需求转译算法等内容。第5部分主要介绍大模型的工程化原理，涉及工程化的

随着信息化建设的推进，电子数据资源成为企事业单位的重要基础设施。云计算因能够实现计算和存储资源按需分配、快速部署等而迅猛发展。越来越多的团体或个人倾向于将数据迁移至云存储系统，基于云的存储和计算应用已经深入金融、工业、交通、医疗健康等传统行业。安全、高效地提供云服务对于相关技术人员来说既是机遇也是挑战。本书从云数据安全存储这一视角切入，重点解决云数据去重技术中面临的安全和效率问题，提出并系统地讲解了一系列适用于抗侧信道攻击的云数据隐私保护去重技术。本书共9章: 第1章介绍了云数据去重技术的基础知识和国内外研究现状；第2、3章介绍了一些基于上传流量混淆的去重技术；第4～7章介绍了基于响应值混淆的去重技术；第8、9章介绍了基于广义去重的云数据安全存储技术。 本书内容丰富，算法翔实，实用性强，

本书全面介绍车辆轨迹数据的处理、分析与可视化方法，并深入探讨了基于Python的车辆轨迹数 据处理技术，旨在帮助读者快速掌握车辆时空轨迹数据处理的基本方法和编程技巧，同时提供丰富的实际案例和技术解决方案，覆盖了从数据采集到深入分析的完整技术链条，是交通时空大数据领域车辆轨迹数据处理分析的全面指南。 本书内容涵盖从车辆轨迹数据的基本特征、采集原理到预处理、质量分析、可视化，再到高级应用如路网匹配、排放计算、多智能体仿真，以及特定案例分析如电动汽车充电需求识别和无人机航拍轨迹数据分析。 本书适合计算机相关专业的学生、数据分析师、研究人员以及技术开发人员阅读。

本书共8章,立足于能源大数据领域核心业务,介绍了世界及中国的能源格局及能源转型背景,阐述了大数据技术的基本原理及其在能源领域的规划、预测等应用中开展实践情况,系统阐明能源大数据中心建设关键问题,深入讲解碳核算方法学。同时向读者说明了能源大数据在服务于 双碳 管理、政府治理中起到的关键作用,展示了能源大数据领域的实践成果和经验。

《EViews在数据分析中的应用》结合大量实战案例，全面、系统地介绍EViews软件的基本用法及其在数据分析中的应用。本书每章的最后都提供上机练习题，帮助读者提高动手能力。另外，本书提供配套教学视频，帮助读者高效、直观地学习，还提供教学PPT和大纲，方便相关高校的老师教学。 《EViews在数据分析中的应用》共13章，分为4篇。第1篇 EViews数据分析基础 ，涵盖EViews概述、EViews基本数据分析（单序列）、EViews基本数据分析（序列组）和EViews数据图形化分析；第2篇 EViews经典线性回归模型 ，涵盖经典回归模型和违背经典线性回归模型假设的修正；第3篇 EViews时间序列模型 ，涵盖时间序列模型与预测、带季节效应的时间序列模型、条件异方差模型、向量自回归模型和协整相关模型；第4篇 EViews的其他模型 ，涵盖离散和受限因变量模型，以及混合数据与面板数据分

《Processing程序交互与数据视觉艺术实践》全面而深入地讲解了Processing在数据可视化设计领域的基础编程知识与创作实践技巧。全书共分为8章，内容包括初识数据视觉艺术、代码艺术与视觉创意、生成艺术、动态视觉效果、数据的视觉表达、数据接入与应用、传感器与数据交互，以及GUI交互设计。书中不仅展示了使用Processing处理文本和表格数据的方法、应用网络数据的技巧，而且讲解了通过Arduino传感器、摄像头、麦克风等设备进行数据采集的方式。此外，本书还详细介绍了如何利用鼠标、键盘与图形用户界面(GUI)进行交互协作的方法，旨在帮助读者创作出优秀的数据可视化新媒体作品。 本书可作为高等院校视觉传达设计、信息艺术设计、广告设计、数字媒体、新媒体艺术等专业的教材，也可作为数据信息视觉化设计从业者的参考书。

SQL作为操作数据库的标准语言，可以用于执行查询、管理数据、控制数据库结构等多种任务，在数据库开发、数据分析和数据管理中扮演着重要的角色。在大数据、人工智能和机器学习的数据预处理阶段，SQL 用于数据清洗、转换和准备，是不可或缺的工具。SQL入门与实践（微课视频版）结合中小实例，详细论述了 SQL 在 MySQL、SQL Server 和 Oracle 三种关系数据库管理系统（RDBMS）中的具体应用，对比学习，有利于读者深刻理解知识点，全面掌握 SQL 的知识体系、使用方法和技巧。 SQL入门与实践（微课视频版）共 20 章，详细介绍了 SQL 数据库及 SQL 语句的使用方法，具体内容包括数据库及基本操作、SQL 基础、数据表、索引、查询数据、条件查询、高级条件查询、SQL 函数的使用、聚合函数与分组数据、多表连接查询、子查询、视图、插入数据、更新和删除数据、管理数据

数据分析是现在不仅在互联网行业同时也在基础行业中必不可缺的运营手段，是业务提升效率、增强收益的有效方法。 本书的前8个章节精选提炼了多种数据分析中重要方法，包括ROI分析、数据标签和评分、用户生命周期、因果推断、可解释模型、PSM理论、ABtest、时序分析等，并通过更清晰、简单的方式向读者全方位的展示数据分析在以下诸多原理上的阐释，并且针对每种方法都提供了充足的生活和业务中的前沿案例作为辅助讲解，帮助读者更好的理解数据分析在传统行业、互联网行业及各类新兴行业的实际应用，同时也能更快的运用在实际工作和生活中，所以通过阅读前8个章节，读者可以系统的学习数据分析的理知识，拥有数据化思维，为读者能够在数据分析行业中不断深耕打下良好的理论基础并将数据分析能力逐步应用于实际的工作和生活中，成为一名合格的

统计学是在概率论基础上发展起来的一门应用数学的学问。在自然科学、工程学、社会学、人文学、军事学等诸多应用领域，凡是涉及数据的收集、处理、分析、可视化和解释等方面的问题，都是统计学大显身手的舞台。 统计学既是应用数学的一个分支，又是一门推断的艺术，其中不乏有哲学思辩和信念差异。来自不同学派的观点相互碰撞，使得统计学在二十世纪飞速发展。今天，借助计算机的帮助，人们可以从各个角度探索数据的本质。然而，我们仍需时刻提醒自己，在算力之上，精巧的算法永远重要。 本书延续了《随机之美》的写作风格，以二十世纪最伟大的两位统计学家罗纳德 艾尔默 费舍尔和耶泽 内曼为故事的主角，介绍了现代统计学的一些主要成果。这两位统计学大师同属频率派，均为贝叶斯主义的反对者，然而二人之间也有过很多饶有趣味的学术

本书系统地介绍过程挖掘的原理、方法、技术及其在教育领域的应用，重点介绍基于Petri net 的形式化挖掘技术和基于语义的挖掘技术，并举一个完整的挖掘大学校园学生行为特征的 案例。本书既有完整的理论框架又有专门的教育领域实践应用，可供计算机、大数据、人工智 能等相关专业领域的学生和研究人员参考。

本书是一部异构制造大数据智能融合技术的学术专著。本书以制造业大数据为背景，围绕旋转设备的运行状态展开，系统介绍了在多源异构制造大数据的基础上利用多源数据融合的方法实现旋转设备的运行状态监测和智能诊断。 本书的最大亮点和特色是遵循理论性与实践性相结合、先进性与实用性相结合、专业性与通用性相结合的原则。 本书适合以下读者: 对人工智能、机器学习、数据融合感兴趣的读者；希望用计算机的算法解决机械相关领域问题的研究者、工程设计人员和应用人员。本书可以作为计算机专业和机械专业的本科毕业设计和研究生学术论文的参考资料，尤其是可供研究多源数据融合和机械设备故障诊断方向的学生、研究人员参考；还可以作为相关工程技术人员的辅助参考。

本书是一本基于 Python 实现全部例题计算的统计学教材，书中例题解答均给出了详细的实现代码和结果。全书共 11 章，第1章和第2章介绍数据、Python 的下载与安装、Python的数据类型和基本操作、Python 绘图基础等。第3章和第4章介绍数据的描述性分析方法，包括数据可视化和描述统计量。第5~7章介绍数据的推断性分析方法，包括概率分布、参数估计和假设检验。第8~11章介绍实际中常用的一些统计方法，包括类别变量分析、方差分析、回归分析、时间序列分析等。 本书可作为高等院校各专业开设统计学课程的教材，也可作为数据分析工作者、Python 数据分析和可视化爱好者的参考书。

《Hadoop海量数据处理》从Hadoop的基础知识讲起，逐步深入Hadoop分布式文件系统（HDFS）和MapReduce分布式编程框架的核心技术，帮助读者全面、系统、深入地理解Hadoop海量数据处理技术的精髓。本书在讲解技术原理时穿插大量的典型示例，并详解两个典型项目实战案例，帮助读者提高实际项目开发水平。 《Hadoop海量数据处理》共15章，分为4篇。第1篇Hadoop基础知识，包括大数据概述、Hadoop概述、Hadoop环境搭建与配置；第2篇Hadoop分布式存储技术，包括HDFS概述、HDFS基础操作、HDFS的读写原理和工作机制、Hadoop 3.x的新特性；第3篇MapReduce分布式编程框架，包括MapReduce概述、MapReduce开发基础、MapReduce框架的原理、MapReduce数据压缩、YARN资源调度器、Hadoop企业级优化；第4篇项目实战，包括Hadoop高可用集群搭建实战和统计TopN经典项目案例实战。 《Hadoop海量数据处理》通俗易懂、案

《数据编织》详细介绍了数据编织的理论基础和实践应用，不仅阐述了数据编织的基本概念和相关核心技术，还结合实际案例，探讨了数据编织在交通、航天航空、能源、金融等领域的应用，并介绍了数据编织的挑战，包括数据安全、数据隐私、数据质量和标准化等问题。最后，展望了数据编织的未来发展趋势。本书不仅适用于行业领域的专家学者，也适合于从事数据管理和知识发现的研究人员和实践者。

全书围绕IKCEST国际大数据竞赛,即IKCEST 一带一路 国际大数据竞赛暨百度 西安交大大数据竞赛展开，针对每次比赛内容进行深度解析，从任务、基础到冠军模型，以理论和代码相结合的方式，全流程深度剖析比赛过程。九次竞赛题均关注当年的热点领域和方向，分别是 人物关系 知识挖掘、提取子句中的核心实体、宠物分类、商家招牌分类、基于卫星遥感影像和用户行为的城市区域功能分类、高致病性传染病的传播趋势预测和基于车载影像的实时环境感知、 一带一路 重点语种法俄泰阿与中文互译、社交网络中多模态虚假信息甄别，涵盖了社交网络、计算机视觉、自然语言处理等大数据应用的热门领域。 本书可作为全国高等学校大数据及相关专业的教材，也可作为感兴趣的读者了解IKCEST国际大数据竞赛的参考书。

本书根据各个公司的SQL复杂查询面试题进行编写，可以更好辅助读者进行针对性的学习。尤其每个SQL复杂查询面试题都通过步骤的形式进行解读，而非直接摆出一个答案。对比答案而言，解题思路更为重要。希望学习本书之后，读者可以拥有一份自己针对复杂查询的解题思路。 本书共13章，分别对应SQL语句的查询基础、多表联查、元数据的查询与管理、字符串的查询与处理、数字的查询与处理、日期的查询与处理、JSON和XML的查询与处理、结果集的查询与处理、视图与临时表、存储过程与预编译语句、触发器与自定义函数、事务与锁、数据库备份、复杂查询面试题等相关内容。 作者精心设计多种案例与复杂查询题目，非随意摆出的 难题 ，而是基于工作时积攒的业务场景。本书适合初学者入门，适合准备开始面试的学生进行面试准备，适合开发多年却仍然对复杂查

本书旨在为包括研究生和工业从业者在内的研究人员提供有关为数据驱动的进化优化而开发的最新方法的全面描述。本书共分12章，第1~4章简要介绍了优化、进化计算和机器学习中精心挑选的重要主题和方法。第5章提供了数据驱动优化的基础知识，包括启发式算法和基于获取函数的代理模型管理。第6章介绍使用多个代理模型进行单目标优化的方法。第7~8章中描述用于求解多目标和多目标优化算法的代表性进化算法以及代理模型辅助数据驱动的进化多目标和多目标优化。第9章详细阐述了高维数据驱动优化的方法。第10章描述迁移学习和迁移优化。第11章讨论离线数据驱动的进化优化，以翼型设计优化等实际优化问题为例、原油蒸馏优化和急救系统优化。最后，第12章强调了深度神经架构搜索作为数据驱动的昂贵优化问题。

本书以实战案例为主线，以函数理论基础为核心，引导读者从整体上理解Power Query的灵活应用，从实例中获得解决问题的思路和灵感。 本书共24章，分为原理篇、实战篇、函数篇、扩展篇，详细讲解了PQ的原理和函数应用。原理篇详细讲述三大数据结构（简称为三大容器）的原理和M函数的传参，实战篇通过案例讲函数，函数篇按照类名讲函数，扩展篇讲解自定义函数等灵活的应用。 本书的特点是，举一反三把逻辑原理讲透、用类比法强化记忆、案例配套在线视频。不管使用Excel还是PQ处理数据，不仅要求快，更要准确，本书列举了许多数据处理的思维和细节，提醒读者避坑。 本书面向会PQ界面操作的用户，作为从基础到中级水平的进阶参考书。

XGBoost是一种经过行业验证的开源软件库，为快速高效地处理数十亿数据点提供了梯度提升框架。首先，本书在介绍机器学习和XGBoost在scikit-learn中的应用后，逐步深入梯度提升背后的理论知识。读者将学习决策树，并分析在机器学习环境中的装袋技术，同时学习拓展到XGBoost的超参数；并将从零开始构建梯度提升模型，将梯度提升扩展到大数据领域，同时通过计时器的使用了解速度限制。接着，本书重点探讨XGBoost的细节，着重于速度提升和通过数学推导导出参数。通过详细案例研究，读者将练习使用scikit-learn及原始的Python API构建和微调XGBoost分类器与回归器；并学习如何利用XGBoost的超参数来提高评分、纠正缺失值、缩放不平衡数据集，并微调备选基学习器。最后，读者将学习应用高级XGBoost技术，如构建非相关的集成模型、堆叠模型，并使用稀疏矩阵、定制转换器和