《数据库系统概念》是数据库系统方面的经典教材之一，其内容由浅入深，既包含数据库系统基本概念，又反映数据库技术新进展。本书基于该书第7版进行改编，保留其中的基本内容，压缩或删除了一些高级内容，更加适合作为国内高校计算机及相关专业本科生数据库课程教材。

本书从Power BI的基础功能讲起，逐步深入到Power BI进阶实战，以系统化的实操步骤和丰富的实际案例让读者快速入门Power BI数据分析，掌握Power BI在多个业务领域的实际应用。全书共8章：商业智能与数据分析概述；Power BI简介；数据分析与可视化制作全过程；Power BI数据预处理；Power BI数据建模；Power BI数据可视化；Power BI在线服务；Power BI数据分析实战案例。 本书通俗易懂、循序渐进、内容全面、讲解详细，配备全套数据集、教学课件和学习视频，既适合读者自学Power BI数据分析与可视化，也适合大专院校作为教材，更适合从事销售、产品、电商运营、仓储物流、财务管理、人力资源等岗位的职场人士提升技能。

SQL是使用最广泛的数据库语言，绝大多数重要的DBMS支持SQL。本书由浅入深地讲解了SQL的基本概念和语法，涉及数据的排序、过滤和分组，以及表、视图、联结、子查询、游标、存储过程和触发器等内容，实例丰富，便于查阅。新版对书中的案例进行了全面的更新，并增加了章后挑战题，便于读者巩固所学知识。

本书紧扣 大数据 这一时代主题，着眼于侦查领域大数据运用在法律研究方面的空白，构建起包括思维、模式、方法等全方位的大数据侦查体系，同时对大数据侦查可能产生的法律问题进行探讨，为侦查实务中大数据的运用提供方法、法律理论及程序上的指导。

教材系统地介绍文本数据挖掘的相关概念，利用Python作为工具进行相关试验，其内容主要包括：文本挖掘产生的背景及发展；文本挖掘的概念、文本模型表示、文本内容的预处理，包括分词、去停用词以及特征抽取；文本相似度的概念等。介绍文本分类的概念及常用方法，如KNN算法、SVM算法等，并对分类结果进行评价；在介绍文本聚类聚类的概念时是，同样介绍聚类常用算法，如K均值算法、层次聚类法、密度聚类法等，作为有文本分类、文本聚类的应用，*后给出了信息抽取、社会网络中的实体关系抽取和事件抽取。

本书与以往统计学中的概率论略有不同,添加了一些复杂数据类型的概率基础知识和模拟计算中的相关概率知识。具体安排如下所述。本书共分6章。第1章为概率与计数,基本内容是随机事件、概率空间、计数方法、概率的确定方法。第2章为条件概率,基本内容是条件概率与乘法公式、事件的独立性、全概率公式与贝叶斯公式。第3章为随机变量,基本内容是随机变量及其分布函数、随机变量的分类、二维随机向量、随机变量的独立性、随机变量函数的分布。第4章为常用的概率分布,基本内容是常用的离散型随机变量、常用的连续型随机变量、随机数的产生。第5章为随机变量的数字特征,基本内容是数学期望、方差和协方差、矩和矩母函数、条件期望。第6章为不等式和极限定理,基本内容是概率不等式、大数定律及其应用、中心极限定理。

本书是一本系统介绍Clickhouse的指导型工具书，全书总共分为11章: 第1章 介绍ClickHouse的由来、发展历程、核心特点与核心特点。第2~6章 介绍了ClickHouse基础使用部分，包括整体架构、如何安装、数据定义、数据引擎、数据查询和函数的特性和使用方法。第7~9章介绍了ClickHouse高级特性部分，包括数据库管理操作，数据分片、数据副本和高可用的特性和使用方法。第10~11章介绍了如果自己手动实现ClickHouse中间件的思路和示例，同时也介绍了几款可视化工具与ClickHouse集成的方法。

本书通过完整、规范的数据科学项目的流程来组织全书体系结构，涵盖数据科学项目的全过程，包括问题提出与目标制定、凝练前提假设和设计数据方案、探索性数据分析、建模与分析、性能评价、结果诠释与展示。佐以丰富的案例分析和模拟项目训练，启发学生主动思考，培养学生在实践中树立严谨的科学思维方式及数据科学流程。 本书除了可作为本科生数据科学基础课、理工通识课教材外，还面向所有对数据科学有浓厚兴趣的人群，以及各行各业中有大体量数据分析需求的人群。

数据是数字经济的关键生产要素与核心资源。数据要素市场的培育是一个动态演化和持续迭代的过程，而信任的建立是市场建设的关键一步。本书通过“信任”这一视角，对数据流通进行全方位的解读，对中国数据要素市场的建设实践进行回顾与展望。基于“TIME”分析框架，对数据可信流通技术、数据流通机构、可信的数据流通模式以及促进数据可信流通的治理方案进行全面系统的介绍。本书旨在为数据要素市场参与者、数字经济从业者、数据治理人员以及关注数据流通交易的读者提供实用的参考，帮助他们理解数据流通的可行模式，破解数据要素市场发展难题，充分释放数据要素流通潜力，赋能实体经济高质量发展。

Power BI是微软推出的商业智能分析工具，它融合了数据准备、数据分析、数据可视化到报告协作分享的整个数据处理流程，帮助用户上手数据分析。 本书从实用的角度出发，结合作者本人的学习经验，从*基础的Power BI架构和操作界面开始，先通过一个小示例体验Power BI的强大和便捷，然后按照数据处理的流程和难易程度，分别介绍数据准备模块Power Query、数据建模以及Power BI数据分析语言DAX、可视化图表制作、丰富的交互方式和报表设计，*后用一个完整的分析示例带读者全面认识Power BI数据处理流程。 不论读者是学生、职场人士还是自由职业者，不论从事的领域是运营、财务、人力、管理还是电商，只要在平时的学习和工作中需要处理大量信息，分析各种数据，你就适合阅读本书学习Power BI，即使之前没有任何基础，它也可以帮你快速上手，提升自身竞争力。

内容介绍 本书从业务、数据、运营3个维度为电商的经营和决策提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。作者是资深的电商行业专家，从事电商数据分析与数据化运营10余年，本书是他在多个知名电商品牌操盘多个千万级项目的经验总结。 为了增强本书的趣味性和读者的角色代入感，本书采用了纪实和叙事的写作手法，书中虚拟了3个核心人物： ?Alex：临危受命、勇挑重担、运筹帷幄的BI部门经理（资深数据分析师）。 ?叶子：有电商行业从业经验但是不懂数据分析的业务员。 ?大白：从其他行业转型到电商行业的数据分析师。 全书有两条主线： ?暗线：叶子和大白在Alex的指导和帮助下成长为“精业务、精数据、精运营”的“三精”数据分析师的经历，这对数据分析师的职业规划和成长有重要借鉴意义。 ?明线：Alex将

本书介绍了数据链的基本概念、发展历程和趋势，重点分析了Link-4、Link-11、Link-16和Link-22数据链的系统组成、工作模式、技术特点等内容，并以Link-16数据链为重点，全面阐述了该数据链的信道共享机制、时间同步技术、传输消息类型、封装结构、信号波形等内容，给出了多网、导航、中继、距离扩展等功能实现方法；以数据链关键技术为主线，详细论述了数据链的消息格式、信息传输、网络协议、通信安全等方面相关知识，剖析了数据链的本质。

本书通过选购笔记本电脑的案例引入数据包络分析（dataenvelopmentanalysis,DEA）的基本概念和模型，并运用简单的EXCEL模型让读者更易理解和运用DEA。本书着重阐述如何将DEA作为一种运营分析工具，进行绩效评估，找出基准标杆。探讨的主题包括：平衡的基准，昀佳实践，相对效率的概念及绩效提升。特别地，本书探讨的数据分析方法能够帮助一个组织重新审视它对生产效率高低的已有观点是否合理，并为组织不断改进提供指导。本书是市面上唯一本不要求读者具备线性规划和线性代数知识，就可以熟练应用DEA方法的DEA方法指导用书。

本书是畅销书《SQL基础教程》第2版，介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。另外，本书还将重要知识点总结为“法则”，方便读者随时查阅。第2版除了将示例程序更新为对应近期新的DB的SQL之外，还新增了一章，介绍如何从应用程序执行SQL。

本书以LabVIEW 2017为基础，讲述LabVIEW图形化编程语言的原理，以及如何利用LabVIEW完成虚拟仪器设计。全书共15章，分为两篇，分别是基础知识篇（第1~13章）和实际应用篇（第14、15章）。第1章，综述虚拟仪器技术的构建思想和方法论。第2~7章，讲述LabVIEW图形化编程语言的基本原理以及编程方法，内容包括LabVIEW入门、基本数据类型、程序结构、复合数据类型、文件I/O、图形显示及其他技巧。第8~12章，阐述如何利用LabVIEW去控制仪器硬件以实现对被测信号的数据采集，内容包括选择专用的数据采集卡进行数据采集； 利用计算机自带的声卡实现数据采集； 利用摄像头完成图像采集； 仪器控制和控制单片机。第13章，讲述用LabVIEW实现仪器应用的若干算法和信号分析处理的相关知识。第14、15章，介绍利用LabVIEW完成有实际应用背景的两个虚拟仪器项目，分别是用LabVIEW构建函

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。

大数据审计已经成为目前审计领域研究与应用的热点。本书按照从常用电子数据审计方法到大数据审计方法的思路，不仅系统地分析了电子数据审计的理论知识（特别是大数据审计），还重点结合实际案例和具体操作，从审计数据采集、审计数据预处理和审计数据分析等电子数据审计的关键步骤出发，系统地分析了如何开展电子数据审计（特别是大数据审计）。附录中设计了9个实验模块（包括3个大数据审计实验模块），满足了开设实验课程的需要。 本书可作为高等院校审计、会计和信息管理等专业的教材，也可作为审计从业人员的专业培训教材和业务学习资料。

本书分12章重点阐述了数据管理的重要性，数据管理面临的挑战，DAMA的数据管理原则，数据伦理，数据治理，数据生命周期管理的规划及设计，数据赋能和数据维护，使用和增强数据，数据保护、隐私、安全和风险管理，元数据管理，数据质量管理，以及现在应该怎么办，能够帮助企业管理层在了解和执行数据管理的过程中不致迷失在技术术语的迷宫之中。本书可供非数据专业人士、企业管理者、数据行业研究者等读者学习和参考。

本书全面介绍了预测性分析相关方法，不仅直观地阐述了相关概念，还给出了现实的示例问题和真实的案例研究 包括从失败项目获得的经验教训。 本书理论和实践内容相对平衡，便于读者加深理解。 全书共9章，外加一个附录。 第1章为分析导论， 第2章为预测性分析和数据挖掘导论， 第3章介绍预测性分析的标准流程， 第4章介绍预测性分析的数据和方法， 第5章介绍预测性分析算法， 第6章探讨预测性建模中的高阶主题， 第7章介绍文本分析、主题建模和情感分析， 第8章介绍预测性分析使用的大数据， 第9章介绍深度学习和认知计算， 附录展望了商业分析和数据科学工具的前景。 本书适合计算机科学、数据科学和商业分析领域的相关从业人员阅读。

Hive 出身名门 ，是*初由Facebook公司开发的数据仓库工具。它简单且容易上手，是深入学习Hadoop技术的一个很好的切入点。本书由数据库专家和大数据专家共同撰写，具体内容包括：Hive的安装和配置，其核心组件和架构，Hive数据操作语言，如何加载、查询和分析数据，Hive的性能调优以及安全性，等等。本书旨在为读者打牢基础，从而踏上专业的大数据处理之旅。

生态学数据分析:方法生态学研究需要从原始数据出发,通过系列计算分析,最后作出具有生态意义的解释？本书主要介绍PCORDfor Windows？CanocoforWindows？CurveExpert？SPSS和PAST 等软件在生态学数据转换？标准化？函数拟合？遗传多样性？物种多样性？生态位？空间分布格局？聚类？排序和实验数据统计检验上的应用方法？应用QBASIC和R 语言对书中的部分方法编制程序？书中的每一种方法均提供模拟数据,介绍具体的操作步骤？？程序与软件

本书分为：语言学如何从0到1进行理论创新、如何建构理论体系、如何验证理论、如何进行理论批判、理论整合的前提是什么、语言学与哲学的关系是什么、语言学与认知科学相关学科是什么关系、语言科学研究方法论模型、认知科学超学科视域下的语言学发展趋势和研究生课程设置的构想、结语等10个章节。是对如何进行语言学的理论体系创新进行的系统的方法论反思、使读者从中学会科学的语言学研究方法论，懂得什么是正确的批判方法、如何开展多学科交叉的创新研究等。有助于提升语言学和认知科学研究者的基础理论的原创能力。

这是一个充斥着数据和图表的世界。 随着社交媒体的发展，每个人都成了信息来源；我们获取和传播的信息越来越多，也越来越容易犯错误。 然而数据的可视化，即图表，并没有它看上去那么可信。 本书介绍了图表制作的原理、阅读图表常见的五个陷阱，解释了为什么其中隐藏着误导和扭曲，*终帮助读者掌握明智应对图表而不犯错误的方法。