本书完整全面地讲述数据挖掘的概念、方法、技术和近期新研究进展。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
基于知识的聚类展示的是如何设计一个导航平台，以使信息探寻者能理解和较好的应用种类繁多的数据集。比模糊聚类走得更远，作者展示了基于知识的聚类这一有前景的新范例是如何揭示更有意义的数据结构，并使社会更好地处理日益增长的数据和信息流。通过这《基于知识的聚类—从数据到信息粒》，读着能理解基于知识聚类的基础和与其相关联的算法，学会将他们自己的知识应用到系统建模和设计中去。 《基于知识的聚类—从数据到信息粒》首先对模糊聚类和粒计算这一领域进行介绍和讨论。然后，作者深入研究了基于逻辑的神经元和神经网络。《基于知识的聚类—从数据到信息粒》的核心部分包括9章，在其中呈现和分析了众多不同的基于知识的聚类的方法。《基于知识的聚类—从数据到信息粒》的第三部分致力于模型的研究，首先讨论超盒结构，然
本书是《Oracle.Edwards技术与应用丛书》系列丛书的基础篇，全书共分五章，通过介绍信息化的概念和内容，从而引出企业信息化的ERP的概念，及在企业实现ERP的软件应用系统Oracle.EdwardsEnterpriseOne系统。进而以企业应用.EdwardsEnterpriseOne为主线，通过一些模拟企业的使用场景，让读者学习.EdwardsEnterpriseOne的基本应用功能、财务、分销和生产管理的使用方法、.Edwards的项目实施方法学和.EdwardsOBA(OracleBusinessAccelerated)(Oracle业务加速器)。本书兼顾需要Oracle.EdwardsEnterpriseOne知识的各类相关读者，它是Oracle.EdwardsEnterpriseOne系统的入门指南，通过阅读本书，读者可以对E有一个直观和感性的认识。本书内容选择得当、深浅适中，是学习Oracle.EdwardsEnterpriseOne系统的一本理想的入门书，可作为计算机类、管理类高年级本科生、研究生学习Oracle.EdwardsEnterpriseOne软件系统的教材，也可以作为从
随着大数据分析方法的发展、分析工具的改进，大数据分析的门槛降低了。基于大数据算法平台，数据分析师们已经不再被数据的“大”所困扰，他们可以轻松地探索大数据，挖掘大数据的价值。 《大数据是这样计算的：XLab实例入门》侧重介绍大数据分析方法和算法的应用，选取了10个不同领域的真实数据集，针对每个数据的特点，选择适合的方法和算法，和读者一起体验数据探索、数据分析、建模预测的过程；通过实例计算的结果，读者会更加了解各种方法和算法的长处和局限。《大数据是这样计算的：XLab实例入门》的实例都运行在大数据算法平台XLab上。 《大数据是这样计算的：XLab实例入门》适合对大数据分析感兴趣的读者阅读，也可供数据分析师、算法工程师等专业人员参考使用。
云上数据中台正服务着阿里生态中的数十个业务板块、百余家公司、客户，在帮助决策层看清甚至决定业态走向的同时，在上万个业务场景中应用并催生创新。 本书基于作者在的十年大数据从业经历，精彩演绎云上数据中台之道。全书基于大数据探索的大趋势，讲述云上数据中台顶层设计，再以实际案例详述云上数据中台建设及其业务模式的形成过程，总结云上数据中台沉淀的独值，并开诚布公地分享以赋能为本质的大数据战略。
《循序渐进Oracle：数据库管理、优化与备份恢复》从基础知识入手，详细讨论了Oracle数据库的创建、从OEM到Grid Control、Oracle的字符集、用户的创建与管理、表空间和数据文件、自动存储管理（ASM）、临时表空间和临时文件、备份与恢复、备份方案与特例恢复、Oracle的闪回特性、Oracle的数据加载与卸载、从Statspack到ADDM、故障诊断及分析方法等热点问题，并通过大量取自实际工作现场的实例，力图将Oracle知识全面、系统、深入地展现给读者。 《循序渐进Oracle：数据库管理、优化与备份恢复》在分析实例的过程中，兼顾深度与广度，不仅对实际问题的现象、产生原因和相关的原理进行了深入浅出的讲解，更主要的是，结合实际应用环境，提供了一系列解决问题的思路和方法，包括详细的操作步骤，具有很强的实战性和可操作性。 《循序渐进Oracle：数据库管理、优化
本书对数据挖掘的基本算法进行了系统介绍，不仅介绍了每种算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析。这种理论与实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。 全书共11章，内容涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、K means聚类算法、K 中心点聚类算法、神经网络聚类算法：SOM，以及数据挖掘的发展等内容。 本书可作为高等院校数据挖掘课程的教材，也可作为从事数据挖掘工作以及其他相关工程技术工作人员的参考书。
数据挖掘，继承和发展经典统计分析的理论成果，结合现代机器学习方法，借助大规模高性能计算不断逼近大数据规律真相，突破了传统数据分析方法的大数据应用局限；R语言，以其开源性、易用性、全面性、前沿性和可扩充
本书完整全面地讲述数据挖掘的概念、方法、技术和近期新研究进展。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
使用Hadoop构建更很好的大数据解决方案。Hadoop开源且基于Java、几乎没有入门障碍，它提供了迅速占据市场的实用大数据解决方案。《Hadoop大数据解决方案》由包括已认证Hadoop开发者、Committers和峰会演讲者在内的专家团队编写，可以作为有关该框架流程和功能的自学教程。书中单独介绍了各个组件，很后用实际项目将它们联系起来并构建示例应用。本书跳过数据库开发基础知识，直奔主题，帮助有经验的开发者快速上手，并开始在真实场景中使用Hadoop。主要内容：向你展示使用HadoopStack配置存储、用户体验和内存计算的方法，解释使用Kafka实时消息和Storm数据流将Hadoop与其他系统集成的方法，演示关键安全特性与技术，同时给出保证数据安全的专家建议，讲授使用ApacheBigTop打包、测试和配置的基础知识，以及使用Ignite更快速执行MapReduce的方法，带你领略示例应用构建
《大数据安全：技术与管理》是一本面向各层次大数据安全从业人员、研究人员和相关专业大学生的学习指南。作者融合自己丰富的工程实践经验，详细阐述了大数据从创建到传输、存储、处理、交换、恢复，直至数据销毁等各
