本书根据PL/SQL的新版本进行了全面更新，涵盖从基础语法、程序控制到最新的优化和调优增强等方面的知识，通过真实的实验、大量的示例讲解了PL/SQL技能，是一本逐步分解的、详尽的PL/SQL编程教程。读者可以按照本书的步骤一步一步地完成每一个关键任务，掌握Oracle 21c PL/SQL编程技术，深度探索PL/SQL编程技术及最佳实践。本书既适合新手数据库开发人员和DBA阅读，也适合有一定经验的从业人员阅读。

本书详细介绍面向静态数据集、增量数据集和数据流的高效用模式挖掘的理论和方法。本书内容共6章，第1章和第2章介绍高效用模式挖掘的相关知识。第3章介绍面向静态数据集的包含正、负效用的两类精简高效用模式挖掘方法的研究与实现过程。第4章介绍针对增量数据集的挖掘高效用模式全集和精简集合的研究。第5章介绍面向数据流的精简高效用模式挖掘方法的研究与实现过程。第6章给出三个高效用模式挖掘的应用案例。第3～5章有方法的实验证明，供读者更好地了解本书内容。 本书可供大数据挖掘相关专业研究生参阅，也可以作为大数据挖掘研究和应用开发人员的参考书。

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

来自Oracle ACE的 书籍《Oracle RAC12.2架构高可用数据库 指南：概念、管理、优化和故障排除》已全面 新，覆盖当下 的工具和相关特性。在本书中，可以找到如何准备硬件、部署Oracle RAC集群以及无缝集成故障转移的保护机制。另外，故障诊断、性能调优以及应用开发等相关内容，也可以在本书中找到。 安装并配置Oracle Database 12cR2 RAC，使用Oracle ASM配置并管理磁盘组，使用服务、表决盘和OCR，探究Oracle RAC中备份恢复的内部工作机制，使用OWI诊断性能问题，洞察缓存融合和GRD操作的内部机制，部署工作负载均衡与TAF，使用 诊断技术处理Oracle集群软件故障。

本书是一本结合数据库技术的新近发展和作者多年的教学实践经验编写而成的学习用书。本书主要介绍数据库的基本原理和Oracle数据库的相关技术，并兼顾培养国产数据库人才的需要，介绍国产openGauss数据库的相关内容。本书配合大量的代码示例、习题和上机实践练习，强化读者对基本概念的理解，并训练他们的实际动手能力， 通过一个综合项目案例，带领读者体验真实的项目开发。通过阅读本书，读者能够快速掌握常用数据库系统开发的原理、技巧和应用等相关知识。 本书免费提供教学课件（PPT）、案例源代码和习题参考答案等教学资源。 本书共18章。 ～4章介绍数据库的基本概念、关系模型、关系代数、规范化理论等；第5～6章介绍数据库设计的详细步骤及数据库开发环境；第7～10章介绍Oracle数据库体系结构、表空间和数据文件管理、Oracle模式对象、S

本书详细介绍了Python自动化办公、数据爬虫、数据库操作以及界面开发的具体过程和编程技巧。Python编程基础篇（第1~2章）详细介绍了Python的环境搭建和基础知识，包括数据类型、变量、运算符、条件语句、循环语句、函数和模块等内容。读者将学习如何使用Python进行基本的编程操作，为后续的自动化办公和应用开发奠定基础。办公自动化篇（第3~7章）详细介绍了如何使用Python对文件和目录进行操作，包括文件读写、目录遍历、文件复制和删除等内容，以及如何使用Python进行自动化办公，包括Excel自动化、PDF自动化和邮件自动化等内容。读者将学习如何使用Python对本地文件和目录进行操作，以及如何对常用办公软件进行自动化处理，从而提高工作效率。数据自动化篇（第8~12章）详细介绍了如何使用Python对数据库进行操作，包括MySQL、SQLite和MongoDB等，以及进行GUI编程

数据结构与算法是计算机、软件工程等相关专业一门非常重要的专业基础和核心课程。本书内容全面，语言通俗易懂，所选案例典型、丰富，结构清晰，重难点突出，所有算法均已实现，可直接运行。《深入浅出数据结构与算法：微课视频版》共分为四篇，内容包括数据结构概述，数据结构与算法基础，线性表，栈和队列，串、数组与广义表，树，图，查找，排序，回溯算法，贪心算法，分治算法，实用算法等。另外，本书赠送同步微视频、教学大纲、案例源代码和PPT课件，方便读者学习和使用。本书可作为计算机软件开发、准备考取计算机专业研究生和参加软考人员学习数据结构与算法的参考书，也可作为计算机、软件工程及相关专业的教材。

本书务实的数据分析科学技术、精彩的实际业务案例，很好地满足了从业者的实际需求；本书是作者结合近几年的工作经验，将在实际业务场景中的案例进行脱敏抽象，置于本书的每章之中，从而形成的一本把数据分析科学技术应用于实际业务的数据分析类图书。主要内容包括数据处理的抽象流程、数据系统的组成、数据获取、探索性数据分析、目的性数据分析、数据可视化、特征工程、模型、结果评价、数据应用等。 本书介绍了数据分析科学的许多方面，不但适合业务分析人员和数据分析与建模从业者学习，还可作为大专院校相关专业师生的学习用书，以及相关培训学校的教材。

MySQL是比较受欢迎的开源关系型数据库之一。本书通过大量实用的操作案例，详细讲解MySQL8.x数据库操作方法和技巧。本书配套资源提供了所有例子的源代码、PPT课件、培训班形式的同步教学视频、命令速查手册、QQ群与微信群答疑，以方便读者参考和自学。本书共分25章。主要内容包括MySQL8.x的安装与配置、数据库和数据表基本操作、数据类型和运算符、MySQL函数、数据的增删改查、索引的设计和使用、存储过程和函数、视图、触发器、存储引擎的选择、分区和事务控制、性能优化、锁定机制、服务器性能优化、性能监控、数据备份与还原、日志、权限与安全管理、高可用架构、复制、MySQLUtilities、MySQLProxy。最后通过两个案例系统的数据库设计，进一步讲解MySQL在系统开发中的应用。本书注重实战操作，帮助读者循序渐进地掌握MySQL的各项管理与开发技术。本书适合MyS

本书以Python作为数据分析的工具，系统地介绍数据分析所需的核心知识，为书中的数据分析任务提供分析说明、代码示例和极为详细的代码注释，对于代码中出现的重要知识点会细心地为读者标注出相关内容及在书中出现的具体位置。本书分为3篇共11章：初识篇（第1章和第2章），主要介绍数据分析和Python的相关基础概念，一些数据分析的具体应用场景及Python的集成开发环境；基础篇（第3-9章），主要介绍Python的基础语法，自动化办公的基础操作，数据可视化库Matplotlib和Seaborn，数据分析的核心库NumPy和Pandas，提供了大量翔实、有趣的编程和数据分析示例；进阶篇（第10章和第11章），主要介绍机器学习的入门基础理论知识和代码实现，监督学习和无监督学习的各种典型算法，涉及机器学习和数据挖掘的常用库scikit-learn及神经网络框架PyTorch等的使用，还介绍了编程算

数据是数字经济的关键要素已经形成共识，数据资产化是数据要素市场建设的前提。数据不同于通常意义上的有形实物资产和无形知识产权资产，数据资产是一类新的资产类别。有用的数据积累到一定的规模后就会形成数据资源，数据资源在满足数据权属明确、成本或价值能够被可靠地计量、数据可读取等基本条件后就可以成为数据资产。本书分析讨论了数据的资产性，基于数据的属性对数据资产进行了明确的定义，将信息资产、数字资产和数据资产统一为数据资产。在此基础上，本书系统地介绍了数据的资产可满足性、数据资产化框架、数据资产的估值和定价、数据产品的形态和流通模式、数据要素市场等。 本书的读者对象主要是数据资产研究和实践者，包括来自证券投资行业、资产管理行业、企事业单位等与数据资产相关的人员。本书也可以作为财会、经济、

本书是“十三五”国家重点图书规划“大数据科学”丛书著作。知识库不仅已经成为人们日常搜索知识的主要平台，而且为许多应用研究提供知识来源。近年来大规模知识库引文推荐技术逐渐成为大数据知识工程的研究热点之一。本书在作者和作者所在研究团队近期新研究成果的基础上，对大规模知识库引文推荐技术进行探讨。全书共7章，内容包括：绪论、实体-引文相关性分类技术、基于实体突发特征的文本表示模型、实体-引文类别依赖的混合模型、融入偏好信息的分类模型、实体-引文联合的深度网络分类模型和引文推荐冷启动问题。本书可作为大数据、知识工程研究人员的参考书或作为研究生大数据知识工程课程参考书使用。“大数据科学”丛书涉及大数据理论、技术、产业和管理的方方面面，旨在帮助国内相关领域的学者、产业界人士了解世界大数据研究和

DolphinDB不仅支持海量数据的高效存储与查询，更开创性地提供了功能完备的编程语言以支持复杂分析，以及高吞吐、低延时、开发便捷的流数据分析框架，是计算能力不错的数据库系统之一。本书不仅介绍了如何使用DolphinDB这一兼有存储和高性能计算功能的数据库系统进行数据分析实践，还提供了大量金融和物联网等场景的实践案例，使读者通过借鉴和修改案例中的解决方案，将它们应用于自己的数据分析系统之中。本书从入门概念到实践应用分析均讲解得深入浅出、易于理解，是一本具有实践意义的数据分析工具书。即使是零基础的读者，也能通过学习本书，快速上手实践。

本书在简要介绍数据分析的统计学基础后，结合实例阐释线性回归、逻辑回归、决策树、随机森林、聚类分析、主成分分析、关联规则挖掘等常用算法的原理与应用，并通过覆盖诸多业务场景的案例，如零售超市业绩评估、广告营销渠道分析、网约车运营分析、网站改版分析等，呈现数据分析的思路与方法。最后，本书还探索了ChatGPT在数据分析中的应用。 无论是数据分析初学者、数据营销分析人员、数据产品经理，还是数据科学相关专业学生，都可通过本书了解并学习实用的数据分析知识和技能。

Azure Databricks是一款基于云的大数据分析和机器学习平台，用于实现基于Apache Spark的数据处理，为快速增长的海量数据的处理和决策需求分析提供了良好的支撑。《Apache Spark大数据分析：基于Azure Databricks云平台》详细介绍基于Azure Databricks云平台来使用Apache Spark完成大规模数据处理和分析的方法。本书总计11章，首先介绍大规模数据分析相关的概念；然后介绍受管的Spark及其与Databricks的关系，以及Databricks的版本差异和使用方法（涵盖工作区、集群、笔记本、Databricks文件系统、数据导入/导出等内容）；接着介绍使用SQL和Python分别实现数据分析的过程，数据提取、变换、加载、存储、优化技巧等高阶数据处理方法以及外部连接工具、生产环境集成等内容；最后探讨了运行机器学习算法、合并数据更新以及通过API运行Databricks、Delta流处理等高阶主题。作为数据分析领域的