本书介绍大数据知识工程的有关内容。全书共9章，第1章介绍大数据知识工程的背景；第2章介绍大数据知识工程的“三跨”特点及面临的“散、杂、乱”挑战；第3-6章介绍知识表示、知识获取与融合、知识表征学习、知识推理四个核心环节；第7章介绍教育、税务、网络舆情领域的大数据知识工程应用；第8章指出未来研究方向；第9章对全书进行总结。

本书从大数据基础原理、大数据分析方法和大数据行业应用三个部分介绍大数据技术。全书共12章，内容包含大数据的基本概念，分布式基础架构Hadoop，分布式文件系统HDFS，NoSQL数据库，分布式计算框架MapReduce，大数据基本分析方法（聚类、分类与预测），大数据在搜索引擎、推荐系统以及其他行业的应用。本书在前7章设置8个实验，帮助读者初步掌握大数据技术、大数据分析与大数据应用的相关知识与操作技能。

本教材基于数据技术概念的提出，建立由数据生成、数据组织管理与数据信息汲取三个模块构成的数据技术应用全流程体系框架。通过对计算机信息系统、抽样技术与数据库系统等基础技术原理的概念化解读，以及对网络爬虫与文本数据生成、SQL语言、数据预处理、回归模型、Logistic建模、关联规则、决策树分类规则、K-平均聚类、神经网络、支持向量机，集成学习、数据可视化等一系列代表性经典应用技术的提出意义、基本概念与操作规则的分层讲授逻

本书兼顾统计知识的基础性和系统性，系统介绍深度学习基础知识和建模技术。本书共包括7章，第1章介绍机器学习、人工智能和深度学习发展历程及相关概念；第2章介绍深度学习的理论知识，如张量、梯度、损失函数、激活函数、反向传播等；第3章介绍基础神经网络在二分类数据、多分类数据和连续数据上的实例构建；第4章介绍神经网络模型的泛化策略；第5章介绍卷积神经网络的模型结构及其在图像分类问题中的应用；第6章介绍循环神经网络的模型结构及其

本书全面阐释大数据与商务分析的时代背景、基本概念、模型算法与前沿技术，使读者对大数据与商务分析领域能有一个比较清晰的认识。全书共9章，主要内容包括大数据概论、商务分析基础、大数据管理、数据预处理、数据探索分析、描述性数据分析、预测性数据分析、规范性数据分析和非结构化数据分析。

本书以常见的数据分析与大数据应用方法为主线，按照数据采集、数据存储与管理、数据预处理、数据分析与挖掘的逻辑关系分析大数据时代应如何采用量化方法分析经济问题。本书在定性分析的基础上，采用大量的实例和软件操作插图来直观地解释大数据分析方法的原理和应用，为读者提供“一站式”服务。同时，通过对线性回归、逻辑回归等计量方法，主成分分析、聚类分析等统计方法，以及神经网络、决策树、随机森林等机器学习方法的学习，实现大数据背景下传统

本书围绕大数据采集、汇聚、存储、计算、分析、挖掘、可视化等处理全过程，基于Flume、Kafka、HDFS、HBase、MapReduce、Spark、Hive、ECharts等主流软件全面介绍大数据的基础原理和核心技术，以及人工智能、云计算和物联网等大数据相关内容，并在此基础上进一步阐述政务、商业等行业大数据，以及文本、图像、音频、视频等媒体大数据的应用现状和**进展。本书内容丰富，深入浅出，同时配有大量实操代码和

随着信息技术的快速发展，基于大数据的智能分析已应用于许多领域，世界也变得越来越智能化。大数据分析技术的应用领域的不断扩展，不仅改变了传统的商业模式，而且推动了经济全球化与社会变革。本书编写的目的是向新商科专业学生普及商务大数据分析的基础理论和知识，主要包括三部分内容：商务大数据的基础理论、基于流程的商务大数据分析、企业大数据应用案例。教材的编写注重理论与实践相结合，同时将业财融合、产教融合的思想融入内容中，引导学生理

本书是有关数据科学内涵、方法、历史、意义及方法论、发展趋势、学科边界、核心科技问题、人才培养方案等方面的一部综合性论著。《BR》全书分7章。第1章阐述数据科学的产生背景，主要从人类社会、物理世界、信息空间三元世界理论出发，阐述大数据在信息化社会中的基础地位、作用与价值。第2章尝试用数据科学的语言来沟通不同学科，以统一的术语扼要阐述数学、统计学、计算机科学、人工智能等学科中所使用的数据科学概念及内涵第3章严格定义数据科

社交网络、电子商务、移动通信和物联网把人类社会带入了大数据时代，基于数据的信息分析决策成为新时代的新趋势。《大数据商务分析》定位于大数据商务分析与应用的全景式教学，将系统地介绍大数据的基本内涵、思维变革、关键技术、企业政府实际应用、大数据伦理等方面的内容。通过理论学习和配套实验，可培养商学院学生连接大数据技术与商业决策的能力；帮助学生从数据中洞察商务价值，进行大数据商务分析的典型应用。

数据分析中数据可视化已成为大数据研究的一门科学。本书的目的是为数据工程专业的课程学习提供基础原理与操作实验，不仅综合了国内外书籍、网站的相关内容，也结合了具体的课程实践和人才培养要求。全书共11章，内容包括数据及可视化基础，数据可视化的发展及分类，数据处理，视觉通道，数据可视化流程，数据可视化工具，时空、地理可视化，层次网络数据可视化，文本及多媒体可视化，社会网络分析可视化以及可视化评估等，既包括数据可视化的基本知识

作为数据分析的有效工具,统计方法已广泛应用于社会科学和自然科学的各个领域.本书兼顾统计知识的全面性和统计课程的系统性,结合编者多年的教学实践经验和国内外优秀教材的成果,在内容上主要包括多元统计分析概述、主成分分析、聚类分析、判别分析、因子分析、时间序列模型引论、平稳时间序列模型、非平稳时间序列模型、结构方程模型.全书分9章叙述.另外,书中大部分统计方法都给出了用R语言实现的实际操作过程.

本书兼顾抽样技术和试验设计的知识完整性和相对独立性，突出内容通俗性和实际应用性，主要选择简单随机抽样、分层随机抽样、两级抽样等抽样技术内容，以及单因子试验、两因子试验、随机化区组试验、正交设计、**设计、计算机试验设计等试验设计内容。本书注重讲解代表性的理论方法和模型，回避烦琐的理论性质的解释和证明，并易于计算机软件操作。为了演示抽样技术和试验设计的理论方法，本书编写统计案例，演示如何应用统计方法解决实际问题，便于读

本书主要介绍概率论和随机过程的基础知识和基本概念，内容包括概率论和随机过程两部分。第1~5章介绍概率论的基本概念及定理，主要包括随机事件与概率、离散型随机变量及其分布、连续型随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理;第6章介绍随机过程的基本概念、泊松过程、马尔可夫过程、鞅、布朗运动、随机积分和伊藤公式。各章节在叙述上均按由浅入深、由简入繁的渐进模式展开，理论严谨、文字通俗。各章节均配有习题，便于读

本书介绍了数理统计的基本概念、参数估计、假设检验、方差分析、贝叶斯基础和统计计算等内容.在编写过程中特别注重方法的实际应用，每个理论后面都列举了对应的例子.同时，为了更贴近社会的现实需求，在每章最后一节通过例子对该章的主要内容进行了R语言实现，并列出了程序的详细步骤.

本书兼顾统计知识的基础性和系统性，精炼离散型数据模型和非参数模型的基础知识和建模技术，系统讲授离散型数据建模技术的预备知识、列联表、广义线性模型、Logistic回归模型、对数线性模型以及非参数建模技术的预备知识、位置参数的非参数检验、总体尺度参数和相关性的非参数检验、总体分布的非参数检验、非参数回归模型.本书突出统计建模技术的内容通俗性、统计思想性和实际应用性，旨在增强学生对复杂数据的认知，培养学生针对复杂数据的统

本书试图较全面地介绍大数据技术的基本原理和方法，包括以统计模型为主的各类数据模型以及它们的计算方法，同时还将介绍这些方法在一些领域(如人工智能)中的应用。

本书介绍了大数据处理技术核心栈的全部内容。主要从大数据处理技术的流程出发，围绕大数据的获取、存储、分析到可视化展示的完整过程，以目前主流的Hadoop、Spark等开源大数据处理平台为核心内容，从大数据技术应用的角度，提供主流厂商的大数据平台的对比分析，并提供行业应用案例和大数据处理的完整实例，以帮助新手从零基础开始学习大数据技术。除此之外，在大数据分析部分，除常用数据分析算法外，特别增加了文本大数据分析、图像大数据

《大数据营销》主要围绕大数据营销的相关理论以及数据处理技术来展开，力争让读者对大数据营销的概念有一个初步的认识，同时能够进行相关的数据分析和处理。《大数据营销》既梳理了大数据营销的理论和基础知识，也介绍了相关大数据分析工具、数据分析和可视化等的基本原理与操作逻辑及其在营销中的应用。

《大数据通识读本》以通识为出发点，通过图文结合、理论和实例结合等方式，对大数据这一前沿科学进行综合介绍，既介绍大数据对人类生活的影响，又讲解大数据的相关知识；既以大数据的处理流程为线索讲述大数据采集、存储、分析、可视化以及应用的整个生命周期，又从数据使用者和创造者的角度介绍大数据安全、大数据伦理相关案例和知识。

本教材的内容包括了面向大数据计算的底层系统级平台的介绍，面向大数据应用的架构及实用性算法介绍，以及面向真实企业级应用数据的应用实践。主要分三部分：第一篇介绍大数据相关的技术基础及底层架构；第二篇介绍大数据分析方法，重在各种机器学习的算法；第三篇为实践篇，以实验教程为主要内容。

大数据（bigdata）或称巨量资料，是指所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。本书分为上下两篇，上篇为基础技术篇，包括大数据概述、大数据关键技术、大数据常用算法与数据结构等；下篇为行业应用篇，包括大数据产业链、大数据+工业行业分析、大数据+零售行业分析等。

无

大数据时代的到来对审计方式、方法产生了重要影响。本书在对大数据审计理论系统地研究的基础上，紧密结合审计实务，以通俗的语言、生动的案例、可行的操作，系统地讲解大数据审计的概念、原理以及技术方法。本书注重理论源于审计实务、服务于审计实务。

数据科学是一门新兴的交叉学科.数据科学人才需要同时具备理论性、实践性和应用性等多方面的素质.数据科学的知识点涵盖了编程语言、数学基础、数据清洗、数据可视化、数据分析和分布式计算等.为了帮助数据科学从业人员快速地查阅这些知识和工具的使用，提高实践效率，本书对数据科学的相关知识进行了归纳整理，形成数十份速查表.

大数据管理与应用主要以信息科学、计算机科学和管理科学等学科为理论基础，其研究内容包括大数据科学基础理论、大数据预处理、大数据计算、大数据管理和分析等。本书力图通过对大数据科学相关数据管理方面内容的综合介绍，面向大数据时代的电子商务智能数据计算领域，从大数据采集、大数据预处理、大数据存储与计算、多源异构大数据分析、大数据知识融合技术和大数据的应用管理等方面说明大数据管理与应用的主要研究内容和应用方向。

本书系统地对大数据采集、存储、计算、处理、分析、挖掘和可视化等相关内容进行介绍，并结合大数据在社区、交通、医疗、金融、教育等方面的应用进行剖析阐述。

《大数据概论》主要介绍大数据概论，内容包括大数据概述、科学研究第四范式、分布系统设计的CAP理论、NoSQL数据库、复杂网络、MapReduce分布编程模型、大数据存储、大数据分析、大数据挖掘、大数据可视化、大数据安全、大数据机器学习、大数据推荐技术，以及数据科学与数据思维。《大数据概论》对上述内容概念性地介绍，语言精练、内容全面。

本书系统阐述了物联网、云计算的最新技术进展和应用案例。首先从物联网、云计算的定义入手，分析物联网和云计算面临的挑战。其次对物联网和云计算分别做了深入解析，列举了它们的关键技术、标准研究进展、已应用场景和各种工业解决方案。最后详细分析了物云结合的关键需求，研究了相关的关键技术并对物云结合的案例和方案进行了深入讨论。