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。

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。

本书主要介绍大数据可视化的基本概念和相应的技术应用。全书内容共10章，分别为大数据可视化概述、大数据可视化原理、大数据可视化方法、数据可视化工具、Excel数据可视化、Tableau数据可视化、ECharts与pyecharts数据可视化、Python数据可视化、大数据可视化行业分析以及大数据可视化综合实训。 本书将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据分析的相关技术,并且对于书中重要的、核心的知识点加大练习的比例，以使读者达到熟练应用的目的。 本书可作为大数据、云计算、软件技术、信息管理、计算机网络等专业的教材，可也作为大数据爱好者的自学参考书。

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。

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!

如今企业数字化转型和“互联网+”已成为热门话题。那么，如何开展转型工作，让具体工作可以落到实处呢？由于数字化转型工作的复杂性，很多企业管理者感觉无从下手，市面上也十分缺乏相关的指引和资料。本书介绍的企业架构方法以及多个领先企业和行业数字化案例，可以使读者系统地掌握数字化转型的理论和落地方法，帮助企业完成生死攸关的转型变革。本书回答了“什么是数字经济，什么是数字化转型，什么是数字化转型的关键要素”等问题，并在转型方法方面介绍了数字化企业架构的业务架构、流程、组织、IT架构，详细阐述了金融、零售、医疗、物联网、AI、智能制造等方面*的商业模式和技术发展。本书打开了一扇新的数字化转型方法之门，是企业管理者、信息化从业者以及管理咨询服务机构、IT服务公司从业人员、大专院校师生很好的参考资料。

本书基于作者近几年来的研究开发成果及应用实践，对物联网大数据技术体系进行了系统归纳，阐述了物联网环境下感知数据的特性、数据模型、事务模型以及调度处理方法等核心概念及关键技术，并对物联网大数据存储、管理、计算与分析的基本概念和关键技术进行了剖析。本书还介绍了自行研发的面向物联网的ChinDB实时感知数据库系统以及针对云计算环境下物联网大数据管理与应用的DeCloud云平台，介绍了它们在智能交通、智能电厂、教育、安全监控等多个行业的应用。书中所有实例，均来自作者所在团队的实际应用，大部分在物联网项目中得到了实践应用。本书对物联网应用的开发以及两化融合、工业4.0环境下的大数据处理分析具有重要参考价值。

本书是《对比Excel，轻松学生Python数据分析》姊妹篇，同样采用对比的方法，降低学习门槛，提高学习效率。 全书分为三篇： 篇主要介绍数据分析基础知识，包括数据分析的基本概念、为什么要进行数据分析以及常规的数据分析流程，使读者对数据分析有一个整体的认识；第2篇围绕数据分析的整个流程来介绍SQL语法相关的知识，包括如何选取一列数据，如何对数据进行分组运算，还包括窗口函数等进阶知识；第3篇主要介绍SQL数据分析实战，都是一些比较常规的业务场景实战。

本书针对具备Linux基础的人群，主要介绍了关系型数据库MySQL、非关系型数据库 MongoDB的相关知识与应用，以生动详细的理论讲解、深入浅出的实战项目案例，帮助读 者掌握现代主流数据库的应用。本书内容包括MySQL数据库基础、索引与事务、数据库管理、 完全备份与恢复、增量备份与恢复、存储引擎等基础知识，之后的项目案例包括MySQL主 从复制与读写分离、MongoDB群集部署。 本书通过通俗易懂的原理讲解及深入浅出的案例分析，并配以完善的学习资源和支持 服务，为读者带来全方位的学习体验，包括视频教程、案例素材下载、学习交流社区、讨 论组等终身学习内容，更多技术支持请访问课工场www.kgc.cn。

\"本书共分为11个章节，系统介绍了关系数据库的设计与开发的相关应用技术。其内容包括数据库规范化理论，数据库设计过程各阶段的工作内容与支撑技术，数据库 编程技术（存储过程、用户自定义函数、游标、触发器、主语言与数据库交互)，数据库运维技术（数据库恢复以及并发控制）等各类技术涉及的概念、原理、语法说明以及操作实例。书中通过丰富的图示、大量示例程序和详细的操作步骤说明，让读者循序渐进地掌握数据库设计与开发的基础知识和使用技巧，切实提高编程能力。每章结尾设置的思考题，帮助读者加深对各章内容的理解。 本书适合具有程序设计语言和数据库基础的读者阅读，也可作为应用型本科计算机专业以及其他学科数据库相关专业人员进阶学习的使用教材。\"

\"本书共分为11个章节，系统介绍了关系数据库的设计与开发的相关应用技术。其内容包括数据库规范化理论，数据库设计过程各阶段的工作内容与支撑技术，数据库 编程技术（存储过程、用户自定义函数、游标、触发器、主语言与数据库交互)，数据库运维技术（数据库恢复以及并发控制）等各类技术涉及的概念、原理、语法说明以及操作实例。书中通过丰富的图示、大量示例程序和详细的操作步骤说明，让读者循序渐进地掌握数据库设计与开发的基础知识和使用技巧，切实提高编程能力。每章结尾设置的思考题，帮助读者加深对各章内容的理解。 本书适合具有程序设计语言和数据库基础的读者阅读，也可作为应用型本科计算机专业以及其他学科数据库相关专业人员进阶学习的使用教材。\"

本书为新形态教材，是一本数据分析工具书，也是一本数据可视化实践手册。涵盖了数据可视化在各行各业的重要应用，并将DataFocus软件的使用贯穿全书，既可以作为大学生理论教学的有益补充，也可以作为已进入社会、拟从事数据可视化工作的学员的工具参考书。全书共分为3个部分， 部分简单介绍了实践中常用的统计学基础知识和数据可视化的背景知识；第2部分详细介绍了DataFocus软件的安装和使用方法；第3部分包含了大量章节，运用翔实的企业数据，分多个不同的行业，讲述了企业在实际应用中所需要的数据分析和可视化的技巧、方法。

本书系统阐述了数据库系统的基础理论、基本技术和基本方法。本书在内容的编排上注重理论与实际的联系；在内容的介绍上则结合具体案例，通过专业术语和通俗易懂的案例分析的结合，由浅人深地解读数据库原理的基础理论知识。 本书共分10章。 ～5章主要介绍数据库的基础知识、基本术语、结构化程序设计语言SQL的基本语法结构、关系数据库模型及其运算基础等内容；第6～8章介绍数据库安全、并发控制、恢复技术和安全控制；第9～10章介绍数据库新技术、未来发展趋势以及数据库应用。本书每章后面都附有习题，以便学生 好地理解理论知识。 本书可作为高等院校计算机及相关专业学生的教科书，同时也可作为自学数据库的教材以及从事数据库设计的人员的参考书。

吕晓玲、宋捷主编的《大数据挖掘与统计机器学习(第2版)/大数据分析统计应用丛书》介绍数据挖掘与统计机器学习领域 常用的模型和算法，包括 基础的线性回归和线性分类方法，以及模型选择和模型评价的概念和方法，进而介绍非线性的回归和分类方法（包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法）。 介绍无监督的学习中的聚类方法和业界广泛使用的 系统方法。除了方法的理论讲解之外，我们给出了每种方法的R语言及Python语言实现。本书的一个亮点是 一章给出的三个大数据案例，数据量均在10G左右。