本书源于实践，针对数据资产化的现状、问题进行深入分析，提出构建数据资产评估生态、创建数据资产评估生态圈的理念，以实现数据资产评估全流程可信、可监控、可追溯的目标。同时，本书着重介绍了数据资产评估生态的构建，涉及数据资产行业监管类机构、数据资产评估类机构、数据资产服务类机构及数据资产评估联盟，并详细介绍了各机构权责，使数据资产评估变得切实可行。本书主要面向数据资产评估产业的机构和相关人员，包括经营决策者、技术架构设计人员及各类科研单位研究人员等，同时也可供数据资产评估工作者及相关研究人员使用或参考。

为什么花更少的钱买更偏远的房子不一定划算？ 为什么得分最多的运动员不一定是好运动员？ 为什么癌症发病率上升竟可能是一件好事？ 泰勒主义、绩效管理、科学管理、关键绩效指标等理论都建立在同一个假设之上：如果你考核员工并提供激励，你就会得到理想的结果。但事实真的是这样吗？ 我们使用衡量指标来了解世界上许多重要的事：教育和医疗系统是否高效，一个国家是否比另一个国家更富裕，哪个城市的生活质量更高……在这本书中，作者分享了许多选用错误的衡量指标，进而带来糟糕结果的案例，展示了衡量指标如何影响教育、医疗、商业，甚至城市发展。 为什么人们总是测量错误的数据，而忽视重要的指标设定？这本启发性的书提醒我们，并非所有重要的东西都计算得清楚，也并非所有计算得清楚的东西都重要。被各种量化指标裹挟的我们，要

理解数据最有力的工具是良好的对话。现实中，如果数据分析师和管理者使用不同语言，拥有接近不同的观点，或者对彼此的方法和约束条件缺乏了解，那么双方将难以就数据达成共识。 本书旨在帮助读者建立一种称为数据流利度的技能，掌握一系列有效的数据分析交流技巧，使其能够清晰、准确地表达数据的含义并挖掘数据潜在的价值。 本书通过理解数据和数据交流两大模块，详细介绍有关数据概念、数据处理、数据建模以及数据展示等技能知识，在各章中以数据对话的形式将读者带入实际情境中，并辅以大量的图、表和数据以及相应的总结，以更加形象地帮助读者清晰地讨论数据。本书还关注如何有效地将数据结果传达给其他专业或非专业技术人员，以便更好地与他人分享和探讨数据。

本书通过大量的绘图和详细的说明，从技术层面以简单易懂的形式讲述大数据分析。这是一本从系统结构搭建到实际开发逐步推进的教科书。书中的知识点包括大数据分析时所需的分布式处理、机器学习，以及分布式存储、分布式计算、开发时可能遇到的瓶颈，还包括大数据的收集、积累、活用以及元数据的使用与管理等。本书适合大数据领域的广大爱好者、商务人士和工程技术人员用于了解、学习、掌握、运用大数据技术进行大数据分析，也适合作为该领域的职业院校和高校本科相关专业的教材及研究生辅助教材。

本书是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，多方面整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。 全书共19章，分为三个部分：基础篇（靠前～4章）系统介绍了数据分析挖掘和数据化运营的相关背景、数据化运营中“协调配合”的核心，以及实践中常见分析项目类型；实战篇（

本书系统全面地讲解Streamlit的核心概念、实例项目应用和很好实践。通过案例带领读者从零开始逐步掌握Streamlit的基础知识和高级技能。读者将学会如何使用Streamlit实现数据可视化、添加交互组件，以及如何构建出炫酷的Web应用。 本书分为两篇共10章，基础篇（第1~7章）讲解Streamlit的安装配置，以及基本的文本、数据、图表、多媒体等组件的使用和页面布局；实战篇（第8~10章）讲解如何开发企鹅分类项目、医疗费用预测项目、销售数据仪表板项目，帮助读者熟练掌握Streamlit的高级技能和开发流程。 本书采用理论与实践相结合的方式，示例丰富，适合想快速构建机器学习和数据科学Web应用的Python使用者阅读。本书配套内容有练习数据和源代码，可供读者通过阅读和编码实践的方式快速掌握Streamlit,开发机器学习和数据科学的Web应用。

本书首先介绍了R语言的相关知识，包括R语言基础、R语言可视化技术。随后本书详细介绍了数据挖掘与数据分析中重要的理论方法与基础知识，包括线性回归、逻辑回归、决策树与回归树、随机森林、贝叶斯分类器等内容，并展示了如何将R语言用到这些方法的具体场景中。本书通过结合数据挖掘技术的理论知识与R语言的实战应用，帮助读者更好地运用R语言解决数据挖掘中的实际问题。 本书适合作为高等院校管理科学与工程类、工商管理类等专业本科生、研究生的教材，也可以作为相关从业人员的参考读物。

本书首先介绍了R语言的相关知识，包括R语言基础、R语言可视化技术。随后本书详细介绍了数据挖掘与数据分析中重要的理论方法与基础知识，包括线性回归、逻辑回归、决策树与回归树、随机森林、贝叶斯分类器等内容，并展示了如何将R语言用到这些方法的具体场景中。本书通过结合数据挖掘技术的理论知识与R语言的实战应用，帮助读者更好地运用R语言解决数据挖掘中的实际问题。 本书适合作为高等院校管理科学与工程类、工商管理类等专业本科生、研究生的教材，也可以作为相关从业人员的参考读物。

自2019年底加入墨天轮数据社区以来，笔者在PG乐知乐享专栏持续撰写了与PostgreSQL相关的文章，近几年陆续撰写了一些有关各版本新特性方面的文章。由于PostgreSQL每个版本发布的新特性较多，因此要想全面、完整地掌握PostgreSQL新特性十分困难。本书对PostgreSQL的7个大版本：从PostgreSQL10到PostgreSQL16，根据公开的新特性实验手册、新特性相关的文章、邮件列表、社区核心提交者相关的博客，以及官方ReleaseNotes等素材进行精加工，并从主要性能、可靠性、运维管理、开发易用性、系统层5个方面进行介绍。在当前国内外环境下，PostgreSQL正在不断崛起，本书从新特性的视角帮助读者掌握数据库的正确使用方式。

本书全面系统地讲解了万用表的种类、结构、工作原理，以及使用方法的专业知识和实操技能。为了确保图书的品质和特色，本书对目前各行业的万用表应用技能进行了细致的调研，将万用表使用和应用技能按照岗位特色进行了整理，并将国家职业资格标准和行业培训规范融入图书的知识体系中。具体内容包括：万用表种类和功能特点、学用指针万用表、学用数字万用表、万用表检测基础电子元件、万用表检测常用半导体器件、万用表检测常用电气部件、万用表检测电流、万用表检测电压、万用表检测电话机的应用实例、万用表检测吸尘器的应用实例、万用表检测电风扇的应用实例、万用表检测洗衣机的应用实例、万用表检测电饭煲的应用实例、万用表检测微波炉的应用实例、万用表检测电磁炉的应用实例、万用表检测电动自行车的应用实例。 本书可作为专业技能

本书聚焦数据领域的发展现状与未来趋势，探讨了数据对经济、社会、科技等多方面的影响。围绕数权的博弈将会体现在国家的制度设计、战略规划等各方面。对数据要素市场化配置的诉求也进一步涌现，形成了诸多新兴的研究议题。未来，数据技术或将基于生物信息、量子计算、知识工程等实现变革与创新。 本书分三大部分。第一部分探讨了数权背景下的国际博弈与国家治理等议题。第二部分关注数据与经济、生活间的关系，并探讨了数据助力社会与环境可持续发展的愿景及带来的挑战。第三部分探讨了智能分析、决策智能、DNA存储、量子计算、隐私计算等与数据相关的前沿技术。 本书将围绕未来世界如何被数据改变这一主题进行全方位的探讨。

伴随人类社会数字化进程的深入，数据正不断渗透于日常的生活、生产、分配、流通、消费等各个环节，对人类社会的影响日益凸显。数据已成为继土地、劳动力、资本、技术之后的第五大生产要素，对其他生产要素的整合能力也使其成为既有要素中最重要的和最难替代的关键要素，并成为值得重点讨论的时代性议题与理解数字时代的基本入手点。 对数据要素的理解涉及多学科、多视野，本书从与数据要素关系最密切的信息、权属、价值、安全、交易等五个维度出发，汇聚不同学科背景的既有文献，整合现有观点，对数据要素的多维特性进行探讨，以丰富人们对数据要素的认知，凝聚共识，澄清数字时代的发展与治理迷思，为未来的相关创新提供起点。

随着大数据时代的来临，各种数据分析和可视化软件层出不穷，如何处理并直观展示大数据，成为了很多人都关心的一个话题。虽然应运而生了多个数据可视化工具，但随着微软Power BI软件的推出，并在行业的占有率越来越高，Power BI成为了众多大型企业青睐的数据分析对象。本书是基于Powe BI软件编写的书籍，由浅入深地讲解了Power BI的基础技术知识，就算是零基础的读者也能够快速上手操作。本书还对快速实现数据的智能分析与可视化进行了详细的介绍，并利用多个案例让读者融会贯通。通过本书的学习，您将从过去繁琐的数据处理、报表编制中解脱出来，瞬间做出美观、动态的交互式商业报告，实现公司企业内部数据可视化分析与分享，从而洞察数据的意义，实现管理的价值，大幅提升管理能力、管理水平。

随着大数据时代的来临，各种数据分析和可视化软件层出不穷，如何处理并直观展示大数据，成为了很多人都关心的一个话题。虽然应运而生了多个数据可视化工具，但随着微软Power BI软件的推出，并在行业的占有率越来越高，Power BI成为了众多大型企业青睐的数据分析对象。本书是基于Powe BI软件编写的书籍，由浅入深地讲解了Power BI的基础技术知识，就算是零基础的读者也能够快速上手操作。本书还对快速实现数据的智能分析与可视化进行了详细的介绍，并利用多个案例让读者融会贯通。通过本书的学习，您将从过去繁琐的数据处理、报表编制中解脱出来，瞬间做出美观、动态的交互式商业报告，实现公司企业内部数据可视化分析与分享，从而洞察数据的意义，实现管理的价值，大幅提升管理能力、管理水平。

在数据湖仓的所有新增要素中，排名第一的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西，当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括：元数据、数据血缘、数据体量的度量、数据创建的历史记录、数据转换描述。数据湖仓的第二个新增要素，是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器，就很难（实际上是几乎不可能）将数据湖仓中的不同数据关联起来。但有了这个中西，就可以关联任何类型的数据。使用数据湖仓，就有可能实现以往任何其它方式都不可行或不可能实现的某种程度的数据分析和机器学习。但与其它架构一样，我们需要理解数据湖仓的架构以及它的能力，以便于我们基于这种架构创建数据分析蓝图和开展数据分析规

在数据湖仓的所有新增要素中，排名第一的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西，当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括：元数据、数据血缘、数据体量的度量、数据创建的历史记录、数据转换描述。数据湖仓的第二个新增要素，是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器，就很难（实际上是几乎不可能）将数据湖仓中的不同数据关联起来。但有了这个中西，就可以关联任何类型的数据。使用数据湖仓，就有可能实现以往任何其它方式都不可行或不可能实现的某种程度的数据分析和机器学习。但与其它架构一样，我们需要理解数据湖仓的架构以及它的能力，以便于我们基于这种架构创建数据分析蓝图和开展数据分析规

在数据湖仓的所有新增要素中，排名第一的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西，当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括：元数据、数据血缘、数据体量的度量、数据创建的历史记录、数据转换描述。数据湖仓的第二个新增要素，是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器，就很难（实际上是几乎不可能）将数据湖仓中的不同数据关联起来。但有了这个中西，就可以关联任何类型的数据。使用数据湖仓，就有可能实现以往任何其它方式都不可行或不可能实现的某种程度的数据分析和机器学习。但与其它架构一样，我们需要理解数据湖仓的架构以及它的能力，以便于我们基于这种架构创建数据分析蓝图和开展数据分析规

这是一个“算法世界”：建立在数据之上的算法指导社会的运行、决定我们能在网上看到什么；它更是自动驾驶、智能管家、未来医疗以至智慧城市的基石。如果我们不了解算法如何使用数据，就无法知道人工智能将如何改变我们的生活。在本书中，大卫·萨普特将引领读者展开一段有关算法的趣味旅程，了解数学阴暗的一面。通过采访那些在算法研究领域工作的科学家，以及动手进行有趣的数学实验，他介绍了那些能够分析我们、影响我们，甚至会变得更像我们的算法。你将由此明白谷歌搜索是否存在种族歧视和性别歧视，为什么选举预测有时会与真实的选举结果间存在巨大的偏差，使用算法来找出罪犯是不是一个严重的错误，以及我们把决策权交给机器时，未来又会发生什么……萨普特还将深入浅出地告诉我们，到底是什么样的奇妙算法在支撑着最能聊天的AI—

本书系统全面地讲解Streamlit的核心概念、实例项目应用和很好实践。通过案例带领读者从零开始逐步掌握Streamlit的基础知识和高级技能。读者将学会如何使用Streamlit实现数据可视化、添加交互组件，以及如何构建出炫酷的Web应用。 本书分为两篇共10章，基础篇（第1~7章）讲解Streamlit的安装配置，以及基本的文本、数据、图表、多媒体等组件的使用和页面布局；实战篇（第8~10章）讲解如何开发企鹅分类项目、医疗费用预测项目、销售数据仪表板项目，帮助读者熟练掌握Streamlit的高级技能和开发流程。 本书采用理论与实践相结合的方式，示例丰富，适合想快速构建机器学习和数据科学Web应用的Python使用者阅读。本书配套内容有练习数据和源代码，可供读者通过阅读和编码实践的方式快速掌握Streamlit,开发机器学习和数据科学的Web应用。

本书系统全面地讲解Streamlit的核心概念、实例项目应用和很好实践。通过案例带领读者从零开始逐步掌握Streamlit的基础知识和高级技能。读者将学会如何使用Streamlit实现数据可视化、添加交互组件，以及如何构建出炫酷的Web应用。 本书分为两篇共10章，基础篇（第1~7章）讲解Streamlit的安装配置，以及基本的文本、数据、图表、多媒体等组件的使用和页面布局；实战篇（第8~10章）讲解如何开发企鹅分类项目、医疗费用预测项目、销售数据仪表板项目，帮助读者熟练掌握Streamlit的高级技能和开发流程。 本书采用理论与实践相结合的方式，示例丰富，适合想快速构建机器学习和数据科学Web应用的Python使用者阅读。本书配套内容有练习数据和源代码，可供读者通过阅读和编码实践的方式快速掌握Streamlit,开发机器学习和数据科学的Web应用。

本书系统全面地讲解Streamlit的核心概念、实例项目应用和很好实践。通过案例带领读者从零开始逐步掌握Streamlit的基础知识和高级技能。读者将学会如何使用Streamlit实现数据可视化、添加交互组件，以及如何构建出炫酷的Web应用。 本书分为两篇共10章，基础篇（第1~7章）讲解Streamlit的安装配置，以及基本的文本、数据、图表、多媒体等组件的使用和页面布局；实战篇（第8~10章）讲解如何开发企鹅分类项目、医疗费用预测项目、销售数据仪表板项目，帮助读者熟练掌握Streamlit的高级技能和开发流程。 本书采用理论与实践相结合的方式，示例丰富，适合想快速构建机器学习和数据科学Web应用的Python使用者阅读。本书配套内容有练习数据和源代码，可供读者通过阅读和编码实践的方式快速掌握Streamlit,开发机器学习和数据科学的Web应用。

这是一个“算法世界”：建立在数据之上的算法指导社会的运行、决定我们能在网上看到什么；它更是自动驾驶、智能管家、未来医疗以至智慧城市的基石。如果我们不了解算法如何使用数据，就无法知道人工智能将如何改变我们的生活。在本书中，大卫·萨普特将引领读者展开一段有关算法的趣味旅程，了解数学阴暗的一面。通过采访那些在算法研究领域工作的科学家，以及动手进行有趣的数学实验，他介绍了那些能够分析我们、影响我们，甚至会变得更像我们的算法。你将由此明白谷歌搜索是否存在种族歧视和性别歧视，为什么选举预测有时会与真实的选举结果间存在巨大的偏差，使用算法来找出罪犯是不是一个严重的错误，以及我们把决策权交给机器时，未来又会发生什么……萨普特还将深入浅出地告诉我们，到底是什么样的奇妙算法在支撑着最能聊天的AI—

本书系统讲授数据挖掘的原理、主要方法及其Python实现，共分三部分：第一部分包含第1～2章，介绍数据挖掘的基本概念、流程和数据预处理；第二部分包含第3～11章，介绍经典的分类算法（包括朴素贝叶斯分类器、决策树、k-近邻、支持向量机等）、经典的聚类分析、关联分析、人工神经网络和Web挖掘等方法；第三部包含第12～14章，共有3个综合案例，包括泰坦尼克号生存数据分析、心脏病预测分析和旅游评论倾向性分析。本书可作为信息管理与信息系统、电于商务、大数据管理与应用等专业本科生和研究生的数据挖掘、大数据分析等课程的入门教材，同时也可作为数据挖掘爱好者及各研究机构或公司的研究人员和应用开发人员的参考书。

计算机程序设计主要包括数据对象定义表示和数据对象的处理算法两大部分。本书从数据对象的类型、表示方法及其常用处理方法入手，分别介绍了三种类型数据结构——线性结构、树型结构和图状结构的常用表示方法，以及基于这些数据结构的基本操作的实现；并介绍了查找和排序算法。此外，本书还介绍了计算机主要算法的设计策略等内容，并为大部分章节安排了习题。 本书内容全面丰富，概念阐述清晰，不仅适合作为普通高校信息技术类专业的本科生教材，也适合作为信息技术相关工科专业的“数据结构”或“软件工程”课程的本科教材。对于从事信息技术方面学习和工作的科技人员，本书也是一本很好的参考书。

本书全面总结了不确定数据环境下频繁模式挖掘领域的主要研究成果，从数据模型、问题定义、常用算法等方面系统介绍不确定频繁项集挖掘、不确定序列模式挖掘、不确定频繁子图模式挖掘、不确定高效用项集挖掘和不确定加权频繁项集挖掘技术。重点针对两类典型的不确定数据，即概率数据和容错数据，进行概率频繁模式挖掘和近似频繁模式挖掘的研究，并应用于传统中医药数据环境下，从主观不确定性和客观不确定性两个方面提出相应的解决方案，实现基于不确定数据的高效频繁模式挖掘，并通过实验验证了它们的有效性和实用性。本书主要面向对数据挖掘和机器学习感兴趣的科研人员和学生，特别适合从事不确定数据挖掘、频繁模式挖掘和关联规则发现以及相关研究领域的广大科技工作者和研究人员使用，也可以作为数据挖掘和机器学习相关课程的教学参