全书分为三大部分： 主要讨论有关增强数据密集型应用系统所需的若干基本原则。首先开篇第1章即瞄准目标：可靠性、可扩展性与可维护性，如何认识这些问题以及如何达成目标。第2章我们比较了多种不同的数据模型和查询语言，讨论各自的适用场景。接下来第3章主要针对存储引擎，即数据库是如何安排磁盘结构从而提高检索效率。第4章转向数据编码（序列化）方面，包括常见模式的演化历程。 我们将从单机的数据存储转向跨机器的分布式系统，这是扩展性的重要一步，但随之而来的是各种挑战。所以将依次讨论数据远程复制（第5章）、数据分区（第6章）以及事务（第7章）。接下来的第8章包括分布式系统的更多细节，以及分布式环境如何达成一致性与共识（第9章）。 主要针对产生派生数据的系统，所谓派生数据主要指在异构系统中，如果无法用一个数
本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了 30 多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。 如果你是一名创业者，或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员，那么本书不容错过。
作为一本 Power Query 初级入门读本，《Power Query 智能化数据汇总与分析》不深入介绍 M 函数，而是结合大量的实际案例，利用 Power Query 可视化的操作向导，来解决实际工作中烦琐的数据整理、汇总和分析问题，让读者在短时间内，能够对 Power Query 有一个较为全面的了解和掌握，并能迅速提升数据处理和统计分析效率。 《Power Query 智能化数据汇总与分析》适合具有 Excel 基础知识并经常处理大量数据的各类人员阅读，也可作为大专院校经济类本科生、研究生和 MBA 学员的教材或参考书。
数字技术为企业的管理方式带来颠覆性变革，我们正在经历从依赖企业管理者解读数据并做出业务决策，到由算法通过计算数据做出分析和判断，然后自动指挥业务活动的转变。作为企业管理者，需要思考如何顺应时代趋势，利用数字技术，实现企业管理方式升级，提升管理效率，降低管理费用，提高企业竞争力。撰写本书的主要目的是，帮助企业体系化地推进数字化管理升级。本书的主要内容包括数字技术驱动企业管理方式升级、企业数字化管理体系的四条线、企业数字化管理体系建设七步法、企业数字化管理体系建设实战、企业数字化管理体系建设中的瓶颈与难点、企业数字化管理体系建设的技术架构，以及未来数字智能技术展望。
《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括：Python语言基础、数据处理、数据分析、数据可视化，以及利用Python对数据库的操作、自建Python应用库的共享发布等。 《基于Python的大数据分析基础及实战》分3个部分：第1部分为基础知识，第2部分为实战案例，第3部分为拓展与延伸。本书内容丰富，讲解通俗易懂，非常适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。
大数据时代，对数据进行统计、分析和学习变得尤为重要，并被应用在各方各面，如无人驾驶汽车、AlphaGo、机器学习和人工智能等，而统计思维也成为大数据时代的基本思维。不仅这些高科技以统计学为基础理论，大数据时代的每个人都应该懂点统计学，学会读懂并分析数据，学会让数据说话，让数据为自己服务。《大数据时代的统计学思维：让你从众多数据中找到真相》就是大数据时代统计学思维的科普书籍，全书共10章，第1章用几个有趣好玩的例子引导读者进入统计学的世界，并调动读者学习统计学的兴趣。第2~10章结合生活和工作中的例子全面介绍统计学原理和方法，涵盖统计学中的数据收集、数据处理和统计推断等内容，既有抽样调查、概率、相关性分析、回归分析等实用统计方法，也有大数定律和中心极限定理等基本统计学原理。用实例引导理论，通俗
本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。
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。
在新媒体时代，如果对新闻报道、网上搜索的结果或者所谓的 专家告知 不加思考地完全相信，那你就等着上当受骗吧！ 本书围绕当今*受瞩目的大数据科学理论，通过日本政府公布的公开数据，集中针对访日游客的增加、舆论调查的可靠性、 安倍经济学 的成果、东日本大地震后的状况、相对贫困、失业率的下降、年轻人远离ХХ、全球变暖问题、减肥、恩格尔系数的上升等10个主题进行数据解读，帮助读者模拟体验数据读取方法，提高理解和分析数据的能力，挖掘出数据背后隐藏的真相。 作为 大数据分析 的超级入门书，即使不擅长数学、不了解统计学的人，读完本书也可以彻底掌握数据解读方法！
Origin是国际科技出版界公认的标准作图软件，它功能强大、操作简单，被科研人员、工程技术人员、高校师生等广泛使用。Origin软件不仅具有强大的数据可视化功能，还具有统计分析、信号处理、函数拟合、峰值分析等功能，且支持多种格式的数据导入和导出。 本书基于Origin 2021和Origin 2022版本进行案例讲解，旨在帮助读者快速入门，并掌握Origin软件的使用技巧。本书由浅入深地讲解了Origin软件的功能和相关案例，涉及基础2D图、等高线图、3D图以及专业图的绘制，也涵盖了数学运算、拟合分析、信号处理、多峰分析等主题。 本书适用于Origin软件的初学者和希望提高科技绘图及数据分析处理能力的读者，尤其适用于大中专院校的师生以及广大科研工作者。
本书以大数据为研究背景，系统分析了传统数据技术当前存在的问题以及面临的挑战，并对比了当前主流的面向大数据的数据库解决方案，在此基础上阐述了笔者的研究工作：基于MapReduce平台高处处理大数据的OLAP研究。书中反应了当前大规模数据仓库研究的热点和成果，值得大数据研究的人员参考和应用。
基于国家973和863相关项目成果，采用汤森路透德温特世界专利创新索引数据库作为统计数据来源，对信息存储领域的专利文献进行检索分析，从存储器件、设备、系统等层面，选取了目前信息存储领域中的多项重要技术，利用专利统计分析的方法对其发展态势进行了研究，特别是对信息存储领域相关专利进行宏观统计分析以及核心专利的具体分析，可以全方位了解信息存储技术的发展历程、专利的国家或地区分布、重要专利权人的竞争态势，为制定相关战略提供决策参考。同时结合华为、中兴、联想、浪潮、IBM、EMC、三星、美光等国内外知名企业的实际案例，从中国本土和全球的布局两个角度分别分析了专利产出、主要竞争者、热点技术和研发重点以及竞争态势，力求找到信息存储技术专利申请对技术产业化与企业发展的作用，供信息存储研发人员、专利工作者和
本书是华为ICT学院大数据技术官方教材，旨在帮助学生进一步学习大数据的基本概念、技术原理，以及大数据平台的搭建和使用。 本书从大数据的概念和特征开始讲起，首先让读者对大数据有一个感性的认识；接下来结合大数据平台的各个功能模块，详细介绍大数据的存储、处理、分析、可视化等原理和操作；对大数据在各种行业中的应用加以叙述，让读者更加充分地感受到大数据应用的价值。 除华为ICT学院的学生之外，本书同样适合正在备考HCNA-Big Data认证，或者正在参加HCNA-Big Data技术培训的学员进行阅读和参考。其他有志进入ICT行业的人员和大数据技术爱好者也可以通过阅读本书，加深自己对大数据技术的理解。
这是一本跟数据科学和数据科学家有关的“手册”，它还包含传统统计学、编程或计算机科学教科书中所没有的信息。 本书有3个组成部分：一是多层次地讨论数据科学是什么，以及数据科学涉及哪些其他学科；二是数据科学的技术应用层面，包括教程和案例研究；三是给正在从业和有抱负的数据科学家介绍一些职业资源。本书中有很多职业和培训相关资源（如数据集、网络爬虫源代码、数据视频和如何编写API），所以借助本书，你现在就可以开始数据科学实践，并快速地提升你的职业水平。
本书详细介绍了各种数据库的SQL查询技术和一些基础的SQL查询语句，并且通过实例操作的方式讲解了如何插入、更新和删除数据等相关知识。另外，本书还介绍了如何使用SQL语句进行日期处理，以及一些其他的SQL语句查询操作，能够帮助你掌握相关的SQL知识。
《金融数据挖掘：基于大数据视角的展望》结构分为五个篇章。*篇介绍了数据挖掘方法。第二篇是银行数据挖掘篇，介绍了基于神经网络和支持向量机的信用评分方法。第三篇是证券数据挖掘篇，探讨了基于多种数据挖掘方法的股票价格预测、金融市场价格预测及股票自动交易系统。第四篇是保险及其他数据挖掘篇，研究了基于数据挖掘的保险欺诈监测、企业破产预测、财务报表欺诈监测等问题。第五篇从大数据的视角对金融数据挖掘进行了扩展和展望。 《金融数据挖掘：基于大数据视角的展望》的读者可以是对数据挖掘算法感兴趣的计算机专业人士或是对金融信息挖掘感兴趣的领域专家，也可作为金融信息工程方向的工程硕士教材或参考书。
本书精讲数据结构与算法，对常见的算法及实现代码进行详细讲解，并配合具体的图表和教学视频，使读者轻松掌握数据结构知识并深入理解其中的算法思想。 本书共分8章，内容包括线性表、栈、队列、串、数组和广义表、树、图、查找、排序等。本书知识点涵盖全面，案例典型。本书习题大部分来自各大名校考研和 软件公司的笔试面试题目，是作者多年来的教学实践经验的总结。本书案例代码全部在Visual C++开发环境运行通过，并配套教学视频，方便读者自学。 本书适合C语言数据结构与算法的初学者、数据结构与算法课程考试的学生、考研人员、算法竞赛选手，也可以作为高等院校和培训机构计算机相关专业师生的教学参考书。
笔者认为数据挖掘的出现，正是统计学适应这一变化的新的发展方向，数据挖掘并不是为了替代传统的统计分析技术，而是统计分析方法的延伸和扩展。本书从统计学视角研究数据挖掘，以期从统计学角度对数据挖掘理论的研究有所突破和创新，同时对统计学理论在数据挖掘方向的发展做出探索。
本书以案例的形式，介绍从思维模型分析到场景实践的数据分析方法。全书围绕“数据分析”与“运营增长”两大关键要素，在系统介绍数据分析思维、数据分析方法、数据采集技能、数据清洗技能等基础知识的同时，以问题为导向，解读运营与增长的关键性业务内容，在获客、*、留存、变现、自传播循环等各个核心运营环节展开数据分析实战。 本书提供案例相关数据集与源码包，适合数据分析、产品运营、市场营销等行业有数据分析具体业务需求的人士阅读，也适合相关专业的师生阅读。
本书以精练的语言介绍HBase的基础知识，让初学者能够快速上手使用HBase，对HBase的核心思想（如数据读取、数据备份等）和HBase架构（如LSM树、WAL）有深入的分析，让有经验的HBase开发人员也能够循序渐进地深入理解HBase源码，以便更好地去调试和解决线上遇到的各种问题。本书更加专注HBase在线实时系统的调优，让HBase集群响应延迟更低，能够更好地为在线实时系统服务。本书结合企业的“用户行为分析系统”，让读者能够快速上手的同时，也不乏企业HBase实际应用场景，理论不脱离实际，真正做到从入门到精通。 本书适合有一定Java基础的程序员作为HBase入门教程，HBase运维人员可以将本书作为参考手册来部署和监控HBase，正在将HBase应用到在线生成环境中的软件开发人员也可以参考本书来调优HBase在线集群性能。
本书是深入研究互联网思维的经典之作，从互联网思维的定义到互联网思维应用的具体案例表现。作者深入浅出、条分缕析，全面阐述互联网思维的内核与精神，逐一点评当前关于互联网思维的各种观点。本书从初级的互联网思维应用到高端的粉丝经济，平台建设，自媒体营销的方法都有详细讲解介绍。让读者了解什么是互联网思维的同时还能学会把互联网思维运用到自己的工作学习已经生活中 进入大数据时代，让数据开口说话将成为司空见惯的事情，本书将从大数据时代的前因后果讲起，全面分析大数据时代的特征、企业实践的案例、大数据的发展方向、未来的机遇和挑战等内容，展现一个客观立体、自由开放的大数据时代。
本书介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案，以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这本书还概要介绍了MapReduce、Hadoop和Spark。 本书主要内容包括： ■ 完成超大量交易的购物篮分析。 ■ 数据挖掘算法（K-均值、KNN和朴素贝叶斯）。 ■ 使用超大基因组数据完成 DNA 和 RNA 测序。 ■ 朴素贝叶斯定理和马尔可夫链实现数据和市场预测。 ■ 推荐算法和成对文档相似性。 ■ 线性回归、Cox回归和 皮尔逊 （Pearson） 相关 分析。 ■ 等位基因频率和 DNA 挖掘。 ■ 社交网络分析（推荐系统、三角形计数和情感分析）。
进入大数据时代，让数据开口说话将成为司空见惯的事情，本书将从大数据时代的前因后果讲起，全面分析大数据时代的特征、企业实践的案例、大数据的发展方向、未来的机遇和挑战等内容，展现一个客观立体、自由开放的大数据时代。
