全书分为2篇，即基础篇和实战篇。（1）基础篇从大数据的概念、特点、应用以及大数据平台入手，从而引入与数据挖掘技术相关的大数据技术学习，主要介绍与数据挖掘相关的Hadoop生态系统组件技术与应用，包括了Hadoop、Hive、Zookeeper、HBase、Spark、Flume、Kafka组件内容，并在每一章中通过一个

全书共13章，分两大部分进行全面而系统的介绍， 第一部分从腾讯大数据平台的发展历程和总体架构切入，深入剖析了各项技术原理，阐述了实战过程中的挑战和自研核心技术的设计思想，覆盖了大数据接入、计算、存储、分析、调度等大量技术组件。 第二部分主要介绍了腾讯在数据治理、数据应用、机器学习和平台运营方面的建设经验，并对腾讯大数据

本书主要采用理论学习与实践操作并重、上层应用与底层原理相结合的方式讲解数据分析师需要掌握的数据分析基础知识，包括基础理论、关联规则分析、回归分析、分类分析、聚类分析、集成学习、自然语言处理、图像处理和深度学习。每章内容从7个方面展开讲解：包括应用场景、算法原理、核心术语、Python编程实践、重点与难点解读、习题和主要

数据科学基础

本书主要面向从事数据应用系统规划、部署、配置、实施、维护、优化升级以及数据应用系统监控、管理、资源协调等相关工作的人员。其中，大数据应用部分介绍了云计算基础架构（包括公有云和私有云架构）、数据应用的典型业务流程（包括数据采集、预处理、存储和处理、挖掘等方面）以及各种行业数据场景应用；数据应用系统运维部分包括系统安装部署

本书从概念、思维、存储和处理、分析与应用等方面系统介绍了大数据的相关知识，主要内容包括：大数据的基本概念，大数据思维，大数据采集与获取技术，大数据批处理、流式处理和交互式处理框架，Hadoop?项目结构与技术分布，分布式并行编程MapReduce?模型，Spark?技术架构和基本流程，数据特征工程及数据可视化等内容，通

本书提供了学习大数据技术及架构的一站式解决方案，覆盖了大数据生态圈中的完整技术体系，包括数据采集、数据存储、分布式资源管理、数据计算、数据分析、任务调度、数据检索、大数据底层基础技术和大数据集群安装与管理。本书还介绍了多个企业级大数据应用案例（包括海量数据采集、“双十一”数据大屏、海量数据全文搜索系统等）和大数据平台架

随着互联网技术的发展，在新经济的大时代背景下，各行各业都催生出众多的全新业态。伴随大数据、人工智能、区块链等技术的加持，这些业态划分也越来越精细，社会活动的整体效率也越来越高。然而，这一切都不开数据，特别是高质量的数据。本书围绕智能数据分析与应用处理业务背景及相关技术，以学习情境的方式介绍了：数据分析工具Beautif

本书主要阐述数据统计发布中的差分隐私保护模型及其关键算法。全书共8章，主要内容包括差分隐私基础知识、面向任意区间树结构及其扩展背景（考虑区间计数查询分布和异方差加噪）下的差分隐私直方图发布、面向流/连续数据发布的差分隐私保护、差分隐私数据发布方法的误差分析等。本书主要面向高等学校计算机科学与技术、网络空间安全、管理科学

本书介绍数据挖掘相关技术及其在防灾、减灾领域的应用。数据挖掘技术主要沿着分类、聚类和关联分析这三大任务展开，具体包括数据挖掘概念及发展史、数据及预处理方法、数据仓库、回归分析、数据分类和聚类、趋势预测、关联分析、异类挖掘等内容，并通过在灾害预防、安全评价等方面的实例来介绍每类技术的应用。本书可作为高等院校计算机、信息科