内容简介本书是AB实验领域的标准化著作，它将带领你快速理解AB实验原理、掌握AB实验方法、搭建AB实验平台、塑造基于数据和实验的企业文化，高效开展AB实验、实现用AB实验驱动增长。作者是某BAT大厂的数据科学家，在数据产品、AB实验等数据科学领域有10余年经验，亲自主导了该厂AB实验平台的搭建和AB实验产品的设计与分析，积累了丰富的经验。学习本书，你将收获以下知识和技能：?AB实验的基础知识、关键问题及其挑战；?AB实验的统计学知识、参与单元、随机分流；?AB实验的SRM问题、灵敏度、长期影响；

本书主要分为两部分。第一部分以核心概念和基本应用为脉络，介绍了Flink的核心特性（如检查点机制、时间与窗口、shuffle机制等），部署，DataStreamAPI、DatasetAPI、TableAPI的应用，运行时的原理等内容，每一章先对概念做基本的介绍，然后基于应用实例详细分析Flink的设计思想和源码实现。第二部分基于对原理的理解，手把手教读者如何进行定制化的特性开发和性能提升，能够让读者对Flink的理解有质的飞跃。这一部分内容来自作者大量的工作实践，所引用例均源自企业级的真实需求，

数据分析的精髓在于能够利用合理的数据分析方法来解决实际的业务问题，本书介绍了互联网行业中数据分析常见的思维和方法，并且呈现了这些分析方法在实际案例中的应用。同时也利用本书解答了大家对于想要从事数据分析行业的一些担忧和困惑。阅读本书，你会对数据分析的工作内容有更清晰、完整的了解，同时对常见的业务问题处理的方法和经验有质的提升。本书适合产品运营、数据分析、数据挖掘人员以及在校计算机数据市场营销等方向的学生。

本书从实用的角度出发，采用理论与实践相结合的方式，介绍样本数据处理的基础知识，力求培养读者使用Python语言及Kettle软件进行数据处理的能力。全书内容分别为数据预处理概述、Kettle工具的初步使用、数据的导入与导出、数据清洗、数据标注、Kettle作业设计、基于Kettle构建数据仓库、基于Python的数据导入与导出、基于Python的数据整理。本书作为人工智能学科相关的样本数据处理技术的入门教材，目的不在于是覆盖样本数据处理技术的所有知识点，而是介绍样本数据处理的主要应用，使读者了解

本书采用循序渐进的讲解方式，介绍了如何从零开始构建一个企业级监控平台的相关理论技术和实践方法。首先从监控系统总体设计原理出发，逐步介绍企业级监控系统的常用架构、各个组件模块作用、运行模式、监控体系的建设路线、监控信息的合并算法、监控颗粒度设置经验以及如何保障监控系统自身可靠性等内容；随后自底向上依次对硬件设备、操作系统、虚拟机、常用数据库和中间件、容器和容器编排、系统和应用日志以及应用链路等常见监控领域实施监控的技术原理、常用监控指标以及实现方式等内容作了介绍；最后对监控系统下阶段发展趋势也即智

《数据可视化入门与实战》全面系统地介绍了数据可视化的基本知识和应用实例。全书共六章，主要内容包括数据可视化概述、大数据分析与数据可视化、数据可视化技术、数据可视化常用软件分析工具、数据可视化实现流程与步骤、数据可视化应用实例。本书结构完整，内容由基础到实战，语言通俗易懂，结合大量数据、实例帮助读者快速掌握数据可视化技术。本书适合数据可视化初学者、各行业数据可视化应用和开发人员参考使用。

《创新方法新系统》系统介绍了创新方法新系统理论体系构建的一般路径和重要实践意义。首先，《创新方法新系统》创见性阐释了TRIZ理论、群智理论和知识图谱技术作为创新方法新系统构建过程中的重要理论来源作用，并尝试就其如何为复杂创新场景中的理论融合与创新进行了深入探索；其次，《创新方法新系统》就如何从理论和实践层面构建创新方法新系统进行了重点论述，从数据与案例层、模型与工具层、服务与应用层等不同维度，展示了构建基于微服务与领域知识图谱的创新方法新系统的一般路径；*后，《创新方法新系统》并采用了理论与案例

本书为大数据时代下的产物，由浅入深地介绍大数据及其相关知识，在大数据的背景下着重介绍ETL数据处理技术，同时引入数据清洗的知识，理论与实际相结合，突出所长。在理论上，本书突出重点与难点，较为系统地介绍大数据的各项基本技术。在实践操作上，本书贴近生活，切实理解，紧跟实验进行，并从中萃取精华。同时本书还介绍ETL技术的主流工具，结合当下一些项目进行运用，并综合课后思考题，使读者在学习中体会大数据的乐趣，翱游在大数据的海洋中。本书可作为高校新兴专业——数据科学专业的配套教材，也可作为其他专业的选修课教

本书分为5篇，包括11章和3个附录。大数据基础篇包括第1章（绪论）；大数据存储篇包括第2～3章（HDFS分布式文件系统、NoSQL及其HBase分布式数据库系统）；大数据计算篇包括第4～7章（MapReduce分布式计算、大数据的Spark内存计算、大数据的流计算、大数据的图计算）；大数据管理、查询分析及可视篇包括第8～10章（Hadoop的数据整合、集群管理与维护，大数据的查询分析技术，R语言与可视化技术）；大数据发展及应用篇包括第11章（大数据应用——人工智能深度学习）。本书体现了校际联盟、

本书将为大家全面而深入地介绍Hadoop、Spark和NoSQL平台的构建，深入浅出地讲解Hadoop、Spark和NoSQL的基础知识、架构方案与实战技巧等。通过阅读本书，读者可以对大数据平台架构有一个明确、清晰的认识，掌握Hadoop、Spark、NoSQL平台的使用技巧，从而搭建一个安全可靠的大数据集群平台，来满足企业的实际需求。本书共15章，可分为五大部分。第一部分（第1章）为大数据平台架构概述，讲述大数据平台的基本概念与实际应用；第二部分（第2章～第6章）主要讲解Hadoop的基本使用