对数据生产和大数据处理带来的挑战，是当代社会和人工智能时代的重点。大数据的快速发展、信息共享和社交媒体的大众化带来了各方面的风险和挑战。我们需要遵循正确的流程、方法和沟通战略 且手头的数据必须准确，才能推演出高价值的结论。而数据越多，我们面临的陷阱可能就越深。在本书中，杰森?辛克从数据通用和收集的策略、数据分析的准则、数据展示的策略出发，讨论了应对数据挑战、获得和洞察数据的价值和内涵的可行方式。

本书是斯坦福大学计算机科学专业数据库系列课程第二门课的教科书。书中对数据库系统实现原理进行了深入阐述，并具体讨论了数据库管理系统的三个主要成分——存储管理器、查询处理器和事务管理器的实现技术。此外，第2版充分反映了数据管理技术的新进展，对内容进行了扩充，除了在版中原有的“信息集成”一章（0章）中加入了新的内容外，还增加了两个全新的章：“数据挖掘”（1章）和“数据库系统与互联网”（2章）。 本书适合作为高等院校计算机专业研究生的教材或本科生的教学参考书，也适合作为从事相关研究或开发工作的专业技术人员的高级参考资料。

本书是兼具技术性与指导性的参考手册。书中首先介绍了全书所需的基础知识；接着描述如何借助相关工具识别和分析性能问题，如何利用动态性能视图；接着重点关注负责将SQL语句生成执行计划的组件——查询优化器；展示了Oracle数据库为高效执行SQL语句提供的特性。

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最小二乘等. 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.

本书由斯坦福大学知名计算机科学家Jeffrey Ullman和JenniferWidom合作编写。本书首先介绍流行的关系数据库和对象关系数据库内容，涉及关系数据模型、E／R模型、UML模型以及对象模型等高级数据模型。然后介绍了有关半结构化数据组织管理中比较流行的XML等内容，既包括了数据组织模型的内容，也给出了相关编程语言，如XPath、XQuery、XSLT等。 本书举例丰富翔实，既可用作大学本科、研究生计算机及相关专业数据库课程的教科书，也可用作数据库领域技术人员的参考书。

本书分为两个部分。部分是《大数据学科发展报告》，该部分对大数据学科的基本范畴、主要分支和关键议题、发展现状和未来发展方向进行了深入研究。第二部分是《大数据技术路线图》，以大数据的重大应用需求和特征为依据，利用产业技术路线图在评估新型技术发展过程中的作用，通过对重点领域前沿综述、专家咨询、技术研讨和预判等工作，绘制大数据产业技术路线图，希望能够引导企业和科研机构进行技术研发活动，明确产业技术在未来市场的发展机会，并在全球化竞争中获取竞争优势，为我国经济社会转型和改善民生等方面提供智力支持。