《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。

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。

你是不是曾经被数据库里貌似复杂和深奥的各种名词所困扰，不知道该从哪里人子学习?那么，这本书最适合你了。《漫画数据库》是世界上最简单的数据库教科书，它通过漫画式的情景说明，让你边看故事边学知识，每读完一篇就能理解一个概念，每篇末还附有文字说明，只要阅读一下这些有趣的漫画故事，你就能在最短的时间内成为数据库方面的达人!

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。

本专著系统介绍了社交媒体大数据智能情感分析的理论方法、关键技术及其在社会热点事件中的建模与应用。全书共分为三个篇章，一是理论基础篇，详细介绍了社交媒体智能情感分析的理论基础与主流大数据抓取及预处理技术；二是模型方法篇，创新提出了面向社会热点事件的智能情感分析框架，对社交媒体情感的形成、演化、干预与预测全过程进行智能建模分析；三是案例应用篇，通过实际案例介绍了如何应用社交媒体大数据智能情感分析方法解决实际问题。

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。

本书是普通高等教育 十一五 *规划教材。本书全面系统地介绍了数据挖掘和知识发现领域的基本原理、研究方法、部分产品和工业标准。全书共15章，其中，第1章介绍数据分析技术的发展历程，KDD与数据挖掘的概念、对象、过程、方法、相关领域和应用范围。第2章介绍关联规则基本模型和Apriori等经典算法。第3章在介绍距离概念的基础上，讨论包括划分、层次、密度等聚类方法。第4章介绍ID3、CART等决策树算法。第5章介绍图方法实现贝叶斯分类。第6章介绍VC维、支持向量机。第7章介绍人工神经网络。第8章介绍近期热点技术 深度学习。第9章介绍不平衡数据学习。第10章讨论过拟合、模型选择、模型评估等内容。第11、12章是不确定性、模糊性方法，分别介绍粗糙集和模糊集。第13章是Web挖掘，介绍Web链接分析、推荐系统和社交网络挖掘。第14章介绍数据预处理和可视

环境与社会科学的数据多存在于地理空间之中，空间数据分析方法是分析挖掘地理空间数据信息和知识的有效手段。本书包括了空间探索性分析、空间统计学、机器学习和时空分析，以及空间分析软件包和案例数据等内容。本书介绍的各种方法和模型均附有真实案例和数据，以及软件和数据下载地址和操作步骤，读者可以按照书中描述重复这一过程，然后输入自己的数据迅速得到自己的计算结果。阅读本书只需要概率统计的基本知识即可。

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。

本书将现代统计学的重要思想引入数理统计课程中，强调了数据分析、图形工具和计算机技术，并注重统计的实务和应用.本书内容丰富，几乎涵盖了所有经典和前沿的概率论与数理统计理论和方法，主要包括概率、*变量、联合分布、期望、极限定理、抽样调查、参数估计、假设检验、数据汇总、两样本比较、方差分析、分类数据分析和线性小二乘等. 本书用真实数据分析了实际问题，以此增强读者对理论的理解；作者将自助方法与传统的推论性过程结合起来，增加了蒙特卡罗方法.此外，为了使概念更清晰，书中提供了大量的示例，而且还有丰富的习题，以增强读者的计算能力. 本书适合作为统计学、数学、其他理工科专业以及社会科学和经济学专业高年级本科生和低年级研究生的教材，同时也可供相关领域技术人员参考.

本书系统讲述数据仓库的基本概念、基本原理以及建立数据仓库的方法和过程。主要内容包括：决策支持系统的发展、数据仓库环境结构、数据仓库设计、数据仓库粒度划分、数据仓库技术、分布式数据仓库、ElS系统和数据仓库的关系，外部和非结构化数据与数据仓库的关系、数据装载问题、数据仓库与Web、ERP与数据仓库以及数据仓库设计的复查要目。 本书是数据仓库之父撰写的关于数据仓库的 权威著作，既可作为相关专业的研究生教材，也是数据仓库的研究、开发和管理人员的指南。

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。

本教材的第1版于2007年被评为北京市精品教材。自出版以来得到广大读者的青睐，被数百所高校选为教材，两次再版。本书本着与时俱进的原则，根据数据库技术目前发展的前沿和教学需要，在多年教学、研究以及实际工程中积累的经验的基础上，借鉴了国外数据库课程的安排方法，采用了 应用、原理和提高的三段式 讲解法进行组织和编著的，书中内容由浅入深，便于学生对数据库学习的接受和理解。本教材以案例为线索，系统地介绍了数据库管理系统Access 2010的应用；数据库设计的理论和方法；以及以SQL Server 2008为背景，以T\|SQL为重点介绍了SQL语言的使用。本书还对数据库安全和数据库的发展进行了较为详细的阐述。本教材各章具有大量的习题，书后还提供了相应的上机实验和综合训练题，便于读者进一步理解和掌握各章所学到的知识，同时也便于组织教学。为

本书不是一本关于数据管理的 如何做 的书（如规范数据属性或是创建数据库），而是一本关于数据管理 如何思考 的书。本书将心理学和哲学与数据管理巧妙的融合在一起。将心理学和哲学学科与数据管理结合在一起，以创造有关我们如何感知和管理信息的知识。书中阐述了当今数据库系统通过数据来捕获现实世界的方式及缺陷，作者运用非常清晰的逻辑、仔细地描述了信息系统中所表示的现实世界的各个方面。对系统中所使用的数据模型、语言、语义和现实世界描述下的哲学问题进行了深刻的检视，对这些核心概念、其对信息系统的影响，是坊间遍寻不到的。这本书的价值在于批判性地探索解决现实世界的信息系统建模方法，这是一本令读者愉悦并具有启发性的佳作。适合从事数据建模、大数据、数据管理的人士阅读。

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。

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。

本书系统地介绍了图数据库的历史由来、建模方法、工作原理和一些真实的用户用例，详细地说明了图数据解决的是什么样的问题，并以Neo4j数据库和Cypher查询语言为例，阐述了图数据库的建模方法和领域用例，还介绍了图数据库的工作原理以及一些实用的图论算法。本书适合开发人员和数据库管理人员了解和学习图数据库时阅读，作为一门新的知识和独特的数据库领域来拓宽视野，也适合提供解决方案的负责人了解行业动向和新的解决问题的方式。通过阅读本书，读者可以对图数据库这一领域有一个透彻的了解。

强化学习是一类重要的机器学习方法,在很多领域得到了成功的应用,*近几年与深度学习结合起来,进一步推动了人工智能的发展?本书首先介绍了强化学习的基本原理,然后介绍典型的强化学习算法,包括时序差分? SARSA? Q-Learning? DeepQ-network? Double DQN?竞争网络结构? Rainbow? Actor-Critic? A2C? A3C? TRPO和PPO等,每种算法基本上利用了主流的开源机器学习框架TensorFlow,使用Python编程进行实现?此外,还介绍了一些上述算法的应用?本书可以使读者快速理解强化学习的基本知识,并通过简单的案例加深对算法的理解?本书适合对强化学习感兴趣的普通高校师生以及相关专业人员阅读? Copyright ? Packt Publishing 2018First published in the English language under the title “Deep Learning with TensorFlow-SecondEdition- ( 9781788831109)” Copyright in the Chinese language( simplified characters) ? 2020 China Machine PreesThis title is published in China b

本书主要内容包括：(1) 提出了分布式的随机次梯度投影算法；(2) 提出了异步广播的分布式次梯度随机投影算法；(3) 提出了分布式随机坐标块次梯度投影算法；(4) 提出了分布式随机坐标块条件梯度算法；(5) 提出了量化信息与随机网络拓扑的扩散小均方算法；(6) 提出了分布式随机次梯度在线算法；(7) 提出了差分隐私的分布式随机次梯度在线优化算法；(8) 提出了分布式条件梯度在线学习算法。本书选材广泛、内容新颖，适合数学、控制、计算机等专业的本科生及研究生，适合从事应用数学、计算数学、机器学习等研究领域的科技人员。