《华为数据之道》 《华为数据之道》 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在优选170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 全书共10章，内容从逻辑上分为四个部分。 第一部分（～3章） 第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细

《深入浅出数据分析》以类似"章回小说”的活泼形式，生动地向读者展现出色的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。

本书是一本全面关注数据资产管理体系、方法与实践的工具书，主要内容分为数据资产管理概述、数据资产管理体系、数据资产管理技术、数据资产管理实践、数据资产管理未来共5章。第1章概要介绍数据资产管理的定义与内涵、数据资产管理关注的焦点、数据资产化的战略意义等；第2章介绍数据资产管理体系，涵盖数据管理组织、战略规划、保障机制、运营体系等内容，涉及数据盘点、数据开发、数据质量、数据安全、数据服务、数据价值等工作；第3章介绍数据资产的数据采集、存储、建模、处理等技术，阐述数据资产管理平台工具能力，涉及元数据、数据标准、数据安全、数据质量、主数据、数据建模、数据集成、数据开发、数据标签、数据科学、数据要素流通等内容，并分析了数据底座和数据治理两种场景的技术路线；第4章主要介绍具体实施方法及路径选

全书分为 8 章， 主要内容如下：第1章介绍学术论文插图绘制的规范性和基本原则以及学术论文插图的配色基础；第2章介绍绘制学术论文插图的主要工具，并重点介绍 Matplotlib、Seaborn、ProPlot 以及 SciencePlots 工具包的语法及其重要特征；第3章介绍学术论文中常见的单变量图及其绘制方法，包括直方图、密度图、Q-Q 图等；第4章介绍学术论文中常见的双变量图及其绘制方法， 具体包括误差线、柱形图、箱线图、相关性散 点图以及矩阵热力图等；第5 章介绍学术论文中常见的多变量图及其绘制方法，包括等高线图、点图系列、 三元相图、 3D 图系列以及 RadViz 图等；第 6 章介绍学术论文中常见的空间数据型图及其绘制方法，包括分 级统计地图、连接线地图、等值线地图以及子地图等；第 7 章介绍学术论文中常见的可视化图及其绘制方法，包括配对图系列、韦恩图、泰勒图

本书是一部通过提供一套易于遵守及操作的方法论来实现高质量数据管理的实践指南。内容全面、详细，并有许多实用的建议和模板，第1版推出后，已成为全球信息质量实践者的推荐书籍，甚至已成为美国阿肯色大学信息质量研究生项目的教科书。 本书共7章，内容包括数据质量和依赖于数据的世界、数据质量实践、关键概念、十步法流程、设计项目结构、其他技巧和工具，以及写在最后的话。 作者将信息质量的概念框架与改善信息质量的技术、工具、操作指南相结合，提出并详细描述了获取高质量数据和可信信息的十步法。作为本书的近期新改版，作者进一步阐明并更新了流程步骤和支持模板，整合了一些有价值的示例和案例，说明了近些年技术和数据生产的演变。 本书内容丰富，理论和实践相结合，易读性和可操作性强，可以作为数据质量管理的入门和进阶

本书全面系统地介绍了数据编织的核心概念、设计原则、关键技术、面临的挑战及未来发展趋势，并结合实际案例，探讨了数据编织在行业领域的应用，为读者提供全面的数据管理和知识发现的全新解决方案。 本书可供数据管理和工程师、数据科学家、T和业务领导者，以及对数据编织感兴趣的专业人员阅读参考。

本书不讲具体语法，只是以案例的形式介绍各种查询语句的用法。第1～4章是基础部分，讲述了常用的各种基础语句，以及常见的错误和正确语句的写法，应熟练掌握这部分内容，因为在日常查询和优化改写中都要用到；第5～12章是提高部分，讲解了正则表达式、分析函数、树形查询及汇总函数的用法，这部分内容常用于一些复杂需求的实现及优化改写；*后两章介绍日常的优化改写案例，这部分内容是前面所学知识的扩展应用。 如果您是开发人员，经常与Oracle打交道，那么本书可以帮助您处理复杂的需求，写出高性能的语句。如果您是运维人员，则本书可以帮助您更快地完成慢语句的改写优化。

首席数据官（Chief Data Officer，CDO）是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，都会起到关键作用。本书旨在建立一套相对完整的关于首席数据官的知识体系，帮助读者更好地参与数字时代的发展。 本书分为5篇。“第一篇 CDO概论”介绍CDO产生的背景、发展趋势、主要职责、推荐技能和工作路径等。“第二篇 管好数据”讲解CDO如何管理好数据，涉及数据战略、数据治理、数据制度、数据标准、数据架构、数据质量、数据安全、数据合规、数据建模、数据集成、数据存储、数据分析和挖掘、数据伦理、数据开放与共享等。“第三篇 做好转型”讲解CDO如何做好数字化转型。“第四篇 建好团队”讲解CDO如何构建、领导和考核数据团队。“第五篇 新技术、新模式、新业态”介绍一些与数据及CDO相关的新技术、新模式和新业态。 本书适

从数据分析方法到数据科学基础知识，你需要了解的知识全部在这本图解书中！ 当下，利用数据为自己的业务和服务提供支持是大势所趋。但是，分析数据需要广泛的知识，自己很难成体系地学习。 本书介绍了数据科学的基础知识及周边知识，包括数据、图表的类型以及统计学、人工智能的基本知识等，网罗信息社会中数据活用的问题点，结合生动插图，让初学者也能迅速理解。 除了按顺序阅读，获取系统的知识，读者还可以从目录中挑选感兴趣的主题和关键词，按照自己的需求阅读，是一本实用性满分的数据科学学习指南。

全书共9章，分为三部分。第一部分(第1~3章)讲解存储引擎的全貌，涉及存储引擎中高频使用的数据结构、存储介质等，为深入学习后面的内容做铺垫。第二部分(第4~6章)介绍基于B+树的存储引擎，重点介绍为什么选择B+树作为存储引擎索引结构、B+树存储引擎解决哪些问题以及如何解决，并以BoltDB存储引擎项目为例来讲解核心原理与实现细节。第三部分(第7~9章)介绍基于LSM派系的存储引擎，重点介绍LSM Tree中各组件的功能及作用，最后剖析了LevelDB项目的核心原理与实现细节。

本书系统地介绍了数据如何始于业务、取于业务、用于业务。既有扎实的理论铺设，又有具体的案例支撑，通俗易懂地回答了数据“怎么来”和“怎么用”的问题。同时，本书总结出了解决业务分析难题的六大步骤，包括对最终数据分析产生关键影响的数据源的选取方法，以及通过对业务模块的判断确定分析方法的适用场景，最终推演、验证、分析出结论，并选择很优的分析结果展现方式，让数据分析全过程形成闭环。 本书的内容从底层原理出发，帮助读者打好数据分析基本功。在原理的讲解过程中，通过提问、思考、解答、案例分享的方式，结合三位专家十多年的行业经验，让读者从根本上理解数据分析、学会数据分析。本书适合数据分析从业也、数据分析爱好者阅读，也适合大中专院校数据相关专业的老师和学生使用。

首席数据官（Chief Data Officer，CDO）是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，都会起到关键作用。本书旨在建立一套相对完整的关于首席数据官的知识体系，帮助读者更好地参与数字时代的发展。 本书分为5篇。“第一篇 CDO概论”介绍CDO产生的背景、发展趋势、主要职责、推荐技能和工作路径等。“第二篇 管好数据”讲解CDO如何管理好数据，涉及数据战略、数据治理、数据制度、数据标准、数据架构、数据质量、数据安全、数据合规、数据建模、数据集成、数据存储、数据分析和挖掘、数据伦理、数据开放与共享等。“第三篇 做好转型”讲解CDO如何做好数字化转型。“第四篇 建好团队”讲解CDO如何构建、领导和考核数据团队。“第五篇 新技术、新模式、新业态”介绍一些与数据及CDO相关的新技术、新模式和新业态。 本书适

在Oracle认证大师Richard Niemiec的帮助下，系统地识别和排除数据库的性能问题：《Oracle Database 12cR2性能调整与优化(第5版)》详细介绍*的监控、故障排除和优化方法，取自现实世界的案例研究和*实践贯穿全书，从中可以探悉如何鉴定和解决本地部署和云环境的瓶颈问题、如何配置存储设备、如何有效运行查询以及如何开发无错误的SQL和PL/SQL代码。此外还介绍了有关测试、报表和提高安全性等方面的内容。学会如何：? 正确运用 Oracle 12cR2数据库的索引和分区技术? 有效使用Oracle云、Oracle Exadata和Oracle企业管理器? 有效地管理磁盘驱动器、ASM、磁盘阵列和内存? 运用Oracle的SQL提示和Trace实用工具来优化查询? 运用V$视图和X$表对数据库实施故障排除? 创建首个云数据库服务并为混合云做好准备? 运用Oracle的Statspack和AWR等工具来生成报表? 运用sar、vmstat和iostat来监控操作系统统计数

本书以统计学/数学为出发点，介绍深度学习推荐的数理基础，讲解PyTorch的主体架构及近期新的模块功能，包括常见算法与相关套件的使用方法，例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。本书配有大量案例及图表说明，同时以程序设计取代定理证明，缩短学习过程，增加学习乐趣。本书适合深度学习入门者、数据工程师、信息技术工作者阅读，也可作为高校计算机相关专业的教材。

本书从应用工程师的角度出发，着重探讨Ansys Mechanical隐式求解中的热点问题，重点介绍Workbench Mechanical仿真工具。考虑到Mechanical和MAPDL密不可分的特点，穿插介绍必要的MAPDL知识。前言部分探讨Mechanical的学习方法，第1章对Workbench Mechanical和Mechanical APDL两者的联系和区别进行了概括性讨论。第2～4章对Mechanical在仿真流程从前处理到后处理的热点问题进行了梳理。第5章讨论了Mechanical不同求解类型下的技术问题。第6章主要讲述Mechanical接触技术中的常见问题。第7～8章分别从APDL和Python两方面对Mechanical的功能进行扩展。第9章对Mechanical高级分析技术如螺栓建模技术、屈曲分析、子模型、摩擦生热、表面磨损、密封圈分析、粘胶界面开裂分析以及准静态求解等进行了讲解和演示。本书未涵盖显式动力学、声学、转子动力学以及刚体动力学。 本书可作为CAE工程技术人员的参考

本书以数据要素化治理的理论方法与工程实践为主线，内容按照概念篇、原理篇和工程篇依次展开。概念篇在对数据、数据要素相关概念及其演进过程进行系统梳理的基础上，首次对“数据要素”“数据要素化”进行了明确定义，并基于传统生产要素市场化配置规律，提出数据要素化治理的基本思路。在原理篇，定义了数据元件作为连接数据供需两端的“中间态”和数据要素交易流通的标的物，进而构建基于数据元件的数据要素流通模型、数据要素化安全模型以及数据要素化治理系统模型。在工程篇，详细阐述了制度体系、技术体系和市场体系“三位一体”的解决方案，并进行实践案例剖析，验证数据要素化治理模型及三大体系的可行性、有效性及可复制性。

本书定位为NVIDIA BlueField DPU和NVIDA DOCA的入门学习参考，内容涵盖DPU的简介、技术优势及未来技术发展路径，包括NVIDIA BlueField DPU在结构通用化、功能多样化、应用广泛化和场景丰富化方面的前景展望，NVIDA DOCA软件框架开发环境配置，以及基于NVIDIA BlueField DPU利用NVIDA DOCA软件框架的应用程序开发实践案例。读者可以通过本书对DPU硬件架构与软件开发有一个整体了解，学习如何启用NVIDIA BlueField DPU以及搭建NVIDIA DOCA软件开发环境，并通过深入了解NVIDIA DOCA应用程序开发用例来掌握如何实现软件定义、硬件加速数据中心基础设施的应用程序或服务，并据此开启自己的开发之旅。

为什么花更少的钱买更偏远的房子不一定划算？ 为什么得分最多的运动员不一定是好运动员？ 为什么癌症发病率上升竟可能是一件好事？ 泰勒主义、绩效管理、科学管理、关键绩效指标等理论都建立在同一个假设之上：如果你考核员工并提供激励，你就会得到理想的结果。但事实真的是这样吗？ 我们使用衡量指标来了解世界上许多重要的事：教育和医疗系统是否高效，一个国家是否比另一个国家更富裕，哪个城市的生活质量更高……在这本书中，作者分享了许多选用错误的衡量指标，进而带来糟糕结果的案例，展示了衡量指标如何影响教育、医疗、商业，甚至城市发展。 为什么人们总是测量错误的数据，而忽视重要的指标设定？这本启发性的书提醒我们，并非所有重要的东西都计算得清楚，也并非所有计算得清楚的东西都重要。被各种量化指标裹挟的我们，要

《零基础学Oracle》是针对零基础编程学习者研发的Oracle入门教程。从初学者角度出发，通过通俗易懂的语言、流行有趣的实例，详细地介绍了使用Oracle 11g进行数据管理的各方面技术。全书共分16章，包括Oracle 11g概述、Oracle管理工具、SQL*Plus命令、数据表操作、SQL查询基础、SQL查询进阶、子查询及常用系统函数、PL/SQL语言编程、游标以及企业人事管理系统等。书中所有知识都结合具体实例进行讲解，涉及的程序代码给出了详细的注释，可以使读者轻松领会Oracle 11g数据库管理的精髓，快速提高数据库管理技能。本书通过大量实例及一个完整项目案例，帮助读者更好地巩固所学知识，提升能力；随书附赠的《小白实战手册》中给出了3个实用数据库、数据表的创建、操作和系统维护流程，力求让学习者能学以致用，真正获得数据库管理经验；附赠的光盘中给出了视频讲解

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

商业分析有用吗？当然有用！商业分析是行走职场、创业启航的一项推荐技能。作者结合自己多年的工作经验，用生动的语言介绍如何用数据分析解决商业问题。本书分为6篇，共17章，其中第1篇是概念篇，讲述商业分析的基本概念；第2篇是基础篇，讲述如何用基础的分析方法评估企业经营状况；第3篇是进阶篇，讲述如何构建分析体系解决较复杂的问题；第4篇是高阶篇，讲述如何应对复杂的商业难题；第5篇是基础实践篇，通过案例讲述如何解决更复杂的商业问题；第6篇是高阶实践篇，通过案例讲述如何解决商业分析中的疑难杂症。本书的讲解思路是层层递进的，从简单场景到复杂场景，从基础的方法到复杂的方法。因此，无论读者是否有数据分析基础和经验，都建议从头开始阅读，这样可以一步步提升认知，更快地掌握商业分析的方法。

本书从数据分析入门、常用研究方法应用、数据综合评价及预测、问卷数据分析和医学数据分析等五个方面系统地介绍科研数据的分析方法，涉及13项知识类应用（如影响关系、权重关系、数据预测、问卷研究），本书强调以实际应用为主，每个知识点均通过通俗的文字表达，并附以案例及软件操作界面进行详细解读，可用于数据分析、实证研究和学术写作等，适合高等院校本科生、研究生，以及行业研究者学习和使用，也适合从事科研分析培训、数据分析咨询的相关工作者参考。