《华为数据之道》 《华为数据之道》 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优选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（～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

本书根据PL/SQL的新版本进行了全面更新，涵盖从基础语法、程序控制到最新的优化和调优增强等方面的知识，通过真实的实验、大量的示例讲解了PL/SQL技能，是一本逐步分解的、详尽的PL/SQL编程教程。读者可以按照本书的步骤一步一步地完成每一个关键任务，掌握Oracle 21c PL/SQL编程技术，深度探索PL/SQL编程技术及最佳实践。本书既适合新手数据库开发人员和DBA阅读，也适合有一定经验的从业人员阅读。

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

这是一本讲解在数据要素大背景下，企业如何将数据资源开发成数据产品，进而通过数据产品实现数据资产化和资本化的著作，为企业释放数据价值提供了科学的方法论和国内领先的实践方案。这本书由全球数据资产理事会（DAC）组织编写，融合了国内数据资产管理领域多家企业的10位专家的研究成果和实战经验，得到了湖南数据产业集团、广州数据集团、深圳数据交易所、浙江大数据交易中心、华为、平安、安永、毕马威、德勤、普华永道、浙江大学等企业、机构和高校等近20位高层领导、技术专家和学者的高度评价和一致推荐。从概念到方法，从理论到实践，从产业政策到行业解决方案，本书将为读者构建全面的数据产品知识体系，核心内容如下：（1）国家和地方出台的数据资产相关政策及其解读，为数据资产实践提供法律准绳；（2）详细阐释数据从原始数据

《基于Oracle的SQL优化》是一本与众不同的书，它的目的是使读者真正掌握如何在 Oracle数据库里写出高质量的 SQL语句，以及如何在 Oracle数据库里对有性能问题的 SQL做诊断和调整。 《基于Oracle的SQL优化》从 Oracle处理 SQL的本质和原理入手，由浅入深、系统地介绍了 Oracle数据库里的优化器、执行计划、Cursor和绑定变量、查询转换、统计信息、Hint和并行等这些与 SQL优化息息相关的本质性内容，并辅以大量极具借鉴意义的一线 SQL优化实例，阐述了作者倡导的“从本质和原理入手，以不变应万变”的优化思路，最后还介绍了作者在实际工作中总结出来的 Oracle数据库里 SQL优化的方法论。 《基于Oracle的SQL优化》适用于使用 Oracle数据库的开发人员、Oracle DBA和其他对 Oracle数据库感兴趣的人员，也可以作为各院校相关专业的教学辅导和参考用书，或作为相关培训机构的培训

本书通过对数据、算法与模型的概念、特征、相关技术、模型原理及构成、应用领域等一系列问题的深入讲解，呈现数据与算法之间的紧密关系，从数据的视角构建算法为数据服务的核心思想，明确数据资源的地位和价值。

本书以TiDB数据库为基础介绍分布式数据库的运行原理、性能优化和应用场景架构设计。首先，剖析分布式数据库的运行原理与架构；然后，阐述分布式数据库TiDB在表与索引的设计优化、SQL优化、系统级优化方面的方法论，通过融入多个有代表性的案例，帮助读者将方法论对应到生产实践中；最后，梳理场景选型和架构设计过程中读者应该掌握的主要知识点，并对一些分布式数据库的优势场景进行了详细介绍。 本书适合希望了解分布式数据库原理，学习TiDB数据库的开发工程师、数据库管理员和架构师阅读，也可以作为高等学校教师或学生学习分布式数据库的参考教材。

了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用，Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验，向读者透彻讲解在Python环境下，如何通过一系列存储机制有效地实现各类算法。通过本书，读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用，等等。这一版重写了书中的示例代码，并对诸多内容做了修正。

本书是一本关于Oracle数据库体系结构的图书，涵盖了所有重要的Oracle体系结构特性，包括文件、内存结构和进程，锁和闩，事务、并发和多版本，表和索引，数据类型，分区和并行，以及数据加密等，并利用具体的例子来全面介绍每个特性，不仅讨论了各个特性是什么，还说明了它是如何工作的，如何使用这个特性来开发软件，以及有关的常见陷阱。本书的读者对象是数据库开发人员。

Oracle 数据库的应用十分广泛，数据库性能的好坏直接影响应用程序能否快速响应用户指令。而 Oracle 数据库又比较复杂，数据库性能调优成为众多 DBA 最为头疼的问题。 本书作者凭借其 20 多年的丰富经验，为我们带来了一本系统的、全面的 Oracle 性能优化手册，用结构化方法帮助读者解决从数据库应用到数据库设计的所有问题。全书分为 6 部分、 23 章，实例丰富，兼具技术深度和广度，被读者誉为 “ 最有用的 Oracle 性能调优参考书 ” 。主要内容包括： 有效的 Oracle 性能优化方法描述； 如何充分利用 Oracle 的核心工具来跟踪、监控、诊断性能； ? 高效的数据库逻辑与物理设计、索引设计、事务设计以及 API 的使用； SQL 与 PL/SQL 调优，包含并行 SQL 技术的使用； ? 化排队锁、闩锁、共享内存以及其他数据库资源的争用； 优化内存以及物理磁盘 I/O ； ?

这是一套数据指标体系全流程构建（从规划、框架设计、数据采集加工到应用）方法论与实践指南。它不仅深入浅出地分享了通用的数据指标体系构建策略，还通过多个行业实例展示了具体操作方法。书中从数据采集入手，借助BI工具Superset实践构建过程。 本着“一切技术都是为业务服务的”这一宗旨，本书除了包含数据指标体系构建相关内容外，还结合统计学原理及Excel、Python等工具，深入剖析数据指标波动对业务的影响，旨在帮助读者深入理解数据指标与实际业务的底层关联，把数据指标体系落地到业务中。

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。

本书以人力资源管理系统案例开发与管理为主线，深入浅出地介绍Oracle 11g数据库系统开发与管理的基础知识。全书包括4个组成部分。*部分介绍Oracle数据库系统的构建，包括数据库服务器的安装与配置、数据库常用管理与开发工具介绍、数据库体系结构介绍等；第二部分介绍人力资源管理系统数据库开发，包括数据库的创建、数据库存储结构设置、数据库对象的创建与应用、利用SQL语句与数据库交互、利用PL/SQL进行数据库功能模块开发等；第三部分介绍Oracle数据库的管理与维护，包括数据库启动与关闭、安全性管理、备份与恢复管理、数据库闪回管理、初始化参数文件管理等；第四部分介绍基于Oracle数据库的应用开发，包括人力资源管理应用开发、图书管理系统设计与开发和餐饮评价系统设计与开发等。附录A为实验部分，提供8个实验，供学生实践、练习。 本书

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。

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

站在数据库管理员和数据库程序开发人员的角度理解数据库的应用和设计需求，在认真分析职业岗位需求和学习者能力现状的基础上，全面规划和重构教材内容，合理安排教学单元的顺序。按照 Oracle工具 Oracle数据库与数据表 数据操作与处理 数据库分析与设计 的4个层次对教材内容进行重构，分为8个教学单元：登录Oracle数据库与试用Oracle的常用工具 创建与维护Oracle数据库 创建与维护Oracle表空间 创建与维护Oracle数据表 检索与操作Oracle数据表的数据 编写PL/SQL程序处理Oracle数据库的数据 维护Oracle数据库的安全性 分析与设计Oracle数据库。 全书围绕2个数据库的应用设计和110个操作任务展开，以真实工作任务为载体组织教学内容，强化操作技能训练，提升动手能力。采用 任务驱动、精讲多练、理论实践一体化 的教学方法，全方向促进Oracle数据库应用与设计技能的提升。

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。数据化分析是运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。本书主要介绍了数据分析的9 种思维、7 种工具、学习方法、基本方法、展现方法、制作数据分析报告的方法，以及数据分析的思维模型。本书适合所有对数据分析感兴趣的读者阅读，特别是在工作或生活中需要经常跟数据接触的人，如数据分析师、产品经理、运营人员、管理人员、财务人员等。