本套装由《数据分析师手记 数据分析72个核心问题精解》《数据分析思维：分析方法和业务知识》《数据分析实践：专业知识和职场技巧》三本图书构成，可以帮助读者从0开始掌握数据分析，沿着作者提供的学习路线，针对重点难点逐个击破，并辅以实际工作中的实践经验进行分享，提升数据分析思维。

《 区块链知识 大众普及版 》 本书只从外部来介绍区块链这个事物，注重的是普通人的理解，基本不涉及技术内容。内容覆盖了区块链常见知识的95%，适合大众了解和认识区块链。从区块链技术的诞生、特点、主要发展历程、热点概念、相关原理等内容都做了完整的介绍，并介绍了当前典型的区块链应用，如区块链电子发票，DCEP等。还介绍了区块链领域的监管、安全、危害等内容。同时分析了国内外对区块链的态度与指导思想，鼓励方向与政策等内容。 《区块链知识 技术普及版》 本书覆盖了区块链的技术基础知识，适合技术从业者从技术角度认知区块链。技术普及版用一种类似庖丁解牛的方式，将区块链技术的肌肉、骨骼、灵魂，逐一分解来讲解，是当前区块链知识技术分解比较完整和全面的一本书。 《图灵区块链》 有了《区块链知识-大众普及版

本书是首本专注于利用R语言进行科研数据清洗的书籍，全书主要分为两大块，首块以简洁的内容向读者介绍R语言的入门知识，让读者了解并认识R语言，为后面的内容打下基础。全书大部分篇幅主要集中在第二块内容，即数据清洗的知识。作者从实际问题出发，详细的介绍了如何利用R语言处理科研中的数据，比如缺失值的插补，异常值的查找，长宽型数据结构的转换，时间日期数据的处理，文本数据的处理等，此外，作者也将数据清洗的内容进行了适当扩展，比如书中加入了R语言与数据库的连接方法，让大数据的处理更加得心应手。

内容简介

本书覆盖了当前大数据处理领域的热门技术，包括Hadoop、Spark、Storm、Dremel、Drill等，详细分析了各种技术的应用场景和优缺点；同时阐述了大数据下的日志分析系统，重点讲解了ELK日志处理方案；分析了大数据处理技术的发展趋势。本书采用幽默的表述风格，使读者容易理解、轻松掌握；重点从各种技术的起源、设计思想、架构等方面阐述，以帮助读者从根源上悟出大数据处理之道。

书中包含以下内容:?深入分析你已经在使用的系统，并学习如何更高效地使用和运维这些系统?通过识别不同工具的优缺点，作出更明智的决策?了解一致性、可伸缩性、容错性和复杂度之间的权衡?理解分布式系统研究，这些研究是现代数据库构建的基石?走到一些主流在线服务的幕后，学习它们的架构

由谷歌（Google）、领英（LinkedIn）和微软（Microsoft）的实验编写的这本实用指南将教你如何使用可信赖的对照实验（也就是A/B测试）来加速创新。根据每年每个公司运行的两万多个对照实验的实践经验，作者为准备着手运行实验的学生和行业的专业人员分享了一些实例、需要避免的陷阱以及建议，并为希望改善自身及其机构做出数据驱动决策方式的从业者深入探讨了进阶专题。

本书以一个计算机教师的教学过程为场景，讲解数据结构和相关算法的知识。全书以趣味方式来叙述，大量引用各种各样的生活知识来类比，并充分运用全彩色图形语言来解读抽象内容，对数据结构所涉及的一些经典算法做出逐行分析、多算法比较。与同类图书相比，本书内容有趣易读，算法讲解细致深入，是一本适合自学的读物。对于学习数据结构来说，难点之一是对相关算法的理解。本书创新性地采用全彩印刷，图表、流程、代码等内容结合色彩来重新进行约定和归纳，使得对一些难以理解的知识点的解析加清晰顺畅，极大提升了阅读体验。本书主要内容包含：数据结构介绍、算法推导大O阶的方法；顺序结构与链式结构差异、栈与队列的应用；串的朴素模式匹配、KMP模式匹配算法；二叉树前中后序遍历、哈夫曼树及应用；图的深度、广度遍历；小生成树两种算

研究颜色作为可视化工具的基本概念，颜色可以用来强调、区分或表示数据值。理解冗余编码的重要性，确保以多种方式提供关键信息。使用这本书的可视化方法名录，提供了常用的各种类型数据可视化的一个图形化向导。提供了好图和坏图的大量示例。学习如何在文档或报告中使用图表，包括如何有效地利用图表讲一个让人信服的故事。

本书是首本专注于利用R语言进行科研数据清洗的书籍，全书主要分为两大块，首块以简洁的内容向读者介绍R语言的入门知识，让读者了解并认识R语言，为后面的内容打下基础。全书大部分篇幅主要集中在第二块内容，即数据清洗的知识。作者从实际问题出发，详细的介绍了如何利用R语言处理科研中的数据，比如缺失值的插补，异常值的查找，长宽型数据结构的转换，时间日期数据的处理，文本数据的处理等，此外，作者也将数据清洗的内容进行了适当扩展，比如书中加入了R语言与数据库的连接方法，让大数据的处理更加得心应手。

《高校数据仓库系统建设与应用》共分6章。章主要介绍数据仓库的概念、背景及大数据研究展望。第2章介绍数据仓库相关的技术原理。第3章介绍数据仓库项目需求分析的流程、方法、原则，以及数据仓库需求分析应包含的内容。第4章结合高校业务特点，根据数据仓库系统建设过程介绍各环节，主要有建设流程、系统架构、主题规划、源数据分析、数据模型设计、ETL设计、ETL开发、ETL测试、系统运行监控和报表设计开发，重点阐述每个环节采用的技术方法、实现过程及注意事项。第5章介绍数据仓库元数据管理、数据质量管理和系统运维管理，其中重点介绍数据质量监控系统的设计及实现。第6章通过剖析高校的核心管理业务、数据分析指标和分析案例，来详细说明数据仓库在高校各业务管理中的应用。

本书覆盖了当前大数据处理领域的热门技术，包括Hadoop、Spark、Storm、Dremel、Drill等，详细分析了各种技术的应用场景和优缺点；同时阐述了大数据下的日志分析系统，重点讲解了ELK日志处理方案；分析了大数据处理技术的发展趋势。本书采用幽默的表述风格，使读者容易理解、轻松掌握；重点从各种技术的起源、设计思想、架构等方面阐述，以帮助读者从根源上悟出大数据处理之道。

本书在广泛调研、深入研究和实际应用基础上，详细解析数据中心基础设施具体包括供电、制冷、监控和机柜等各部分的设备级、系统级、整体级测试技术及维护测试技术，并作了较为深刻的经验总结。本书的编写与出版，不仅填补了数据中心测试技术研究书籍的空白，而且实际案例解析资料丰富、分析深入透彻、具有较高的系统性、创新性和实用性，为保障数据中心基础设施领域可靠、安全、稳定运行具有重要的参考价值与现实意义。