本书针对高校商学院商业分析课程编写，内容涵盖了所有相关的商业分析主题，而且各个主题在设计上都是模块化的，教师授课时可灵活地选择最符合其课程目标的主题。比如，本书可以适用于涵盖数据处理（第2章）、数据可视化（第3章）、综合指标（第3章）、统计理论（第4章和第5章）和回归分析（第6章和第7章）的入门课程，或侧重于预测（第8、9、10、11和12章）和预测性建模（第13章）的高级商业分析课程。为适应不同学生对于统计软件的需求，本书每个知识点都提供了Excel和 R语言两种分析方法和实际操作，而且所有的例题和习题都是使用撰写本书时最新版本的软件解决的，即Microsoft Office Professional 2016、Analytic Solver 2019和 R语言3.5.3版本。本书的最终目的是让学生更好地理解、管理和可视化数据，学会应用适当的分析工具，并对研究结果及其相关性进行沟通。

在社会安全领域，人群异常行为成为各类严重群体性安全事故的根本致因。研究和开发人群异常行为识别技术，成为破解人群踩踏难题的重要技术途径。为此，《人群行为识别理论与视觉AI技术研究》从计算机视觉角度，阐述了行人异常行为姿态、人群异常行为、恐慌行为、人群稳定性和计算机视觉技术等方面的发展与研究现状，系统地介绍了国际上人群异常行为视频数据资源；循序渐进地阐述了人体姿态特征识别模型、行人运动学质心模型和动力学质心模型、恐慌行为识别模型、广义异常行为识别方法、异常行为扰动与人群稳定性分析等核心理论；深入浅出地论述了计算机视觉检测技术相关的开发资源、异常行为检测程序设计、人群行为分析工具与软件、其他辅助检测技术和应用案例。文末附各章核心模型和算法的Java、MATLAB、Python等代码。《人群行为识别理论与视觉AI技术研究》为广大读者提供人群异常行为分析和识别理论基础，并为相关计算机视觉开发提供技术借鉴。

本书从信息技术的应用实践出发，阐述Ubuntu（Linux）操作系统的基础使用方法以及服务器相关配置的应用原理与实践，内容包括Ubuntu操作系统的安装与基本使用方法、用户与组管理、目录与文件管理、资源管理、系统管理、Shell编程、部署Ubuntu服务器、配置文件服务器和网络服务器，并将安全相关内容贯穿其中。本书采用了行业应用比较前沿的Ubuntu 18.04版本为基础环境，紧密跟踪行业需求和发展现状，以业内的典型实践来设计和开展相关教学与实践，培养读者的扎实理论基础和动手能力。本书内容丰富，理论概念清晰，实验内容系统全面，理论联系实际，便于初学者快速入门，可作为高等学校计算机、云计算等相关专业的教材，也可作为从事网络部署和运维相关工作的技术人员的参考书。

本书以基金与编程基础为出发点，面向零基础或基础知识较少的读者，由浅入深地介绍了从零编写基金分析与交易的量化系统的方法与实践。本书内容由Python的基础知识与编程和投研常用的Python工具开始，逐步介绍常用的交易指标与投资组合管理，最终介绍系统的优化与管理。本书共分为七章，第1~3章分别介绍基金的基础知识、Python环境的搭建与常用的编程与分析工具，为后几章代码编写铺垫；第4章着重介绍了如何从零开始搭建量化分析系统，其中包含不同模块的设计；第5章与第6章介绍了在量化系统中实现不同的交易框架和策略；第7章介绍将量化系统上线，并配置监控进行运营管理的方法。本书以通俗易懂的语言和实例阐述量化在基金产品上的分析与应用，适于对基金交易与量化分析有兴趣的读者。书中附有详细注释的代码会帮助读者加深量化系统的构建过程与交易策略的思想。

《冗余流量测量及特性分析》针对冗余流量导致的网络服务质量低效问题，提出冗余流量测量及特性分析方法，试图通过对真实网络冗余流量的识别、测量和分析来深入了解冗余流量生成和演化过程，从而优化网络资源、提高网络共享效率。《冗余流量测量及特性分析》共7章，系统地介绍冗余流量从流量测量、跟踪识别、特性分析到冗余流量消除各个环节的相关技术和方法。第1章介绍冗余流量的发现和研究现状。第2和3章介绍冗余流量的测量方法和动态跟踪识别方法。第4和5章分别从自相似性和时间序列角度出发，介绍冗余流量的特性。第6章介绍冗余流量演化模型及演化机制。第7章介绍冗余流量消除系统模型和相关方法。

内容简介这是一部立足于当下行业实践和政策指引，从工作程序和实体法律角度，对企业数据资产入表的基本内涵、具体流程、数据交易与入表工作的合规要点进行分析归纳的专著，旨在通过深入浅出的分析帮助读者实现在数据交易、数据资产入表领域的快速认知同步。作者曾经在金融监管部门、金融机构和头部互联网平台工作，是国内较早开展数据领域法律实践的律师，曾经为众多企业在场内进行数据交易的产品提供合规评估，为多个大型数据平台企业和金融机构提供数据合规、金融科技的法律服务，包括个人信息合规自评估、证券业跨行业数据共享监管沙盒项目、垂类大模型合规项目等，具有丰富的法律实践和研究深度、广度。全书共12章，主要内容如下：第1和2章数据要素市场与数据资产入表的内涵介绍首先，从数据要素市场出发对国家层面的政策和法律沿袭进行了梳理与分析，对国家顶层设计文件“数据二十条”的主要内容进行了介绍；然后，对数据资产入表的内涵和意义以及各个相关概念进行比较分析；最后，对数据资产入表的具体操作进行简明扼要的解读，帮助读者透彻理解数据要素市场和数据资产入表的底层逻辑。第3~6章数据资产入表的重点合规问题及入表准备首先，对数据资产入表与数据确权的关系进行了深入分析，明确了权属清晰对数据资产入表的底层重要性；然后，对确权相关的合规问题以及其他涉及数据资产入表的合规问题进行了深入分析，厘清了关键合规要点，特别是数据来源的合规性；最后，对数据资产入表的准备工作和主要路径进行了介绍和梳理，帮助读者迅速掌握操作思路和落地路径。第7~10章数据资产入表的数据分类合规重点就数据资产入表在主要领域的开展难点进行分析，并就上市公司和非上市公司的具体案例进行分析，给出启示。具体分为数据资产入表与公共数据、数据资产入表与个人数据、数据资产入表与人工智能三个部分，分别从数据资产入表角度对各自的合规难点、立法现状、未来展望加以深入浅出的剖析。第11章数据资产入表衍生金融化利用的思考与展望就数据资产化之后的数据资本化，即数据资产入表的金融化利用问题进行了积极而冷静的分析与思考。首先对金融意义下的数据资产管理内涵进行了分析，然后对目前数据资产的金融化探索与实践进行了分析，对其中的法律难点问题进行归纳，并对普遍性开展的难点进行分析和展望。第12章数据资产入表与数据交易首先，对数据资产入表与数据交易之间的紧密联系进行分析；然后，对数据交易的概念、内涵以及法律性质进行分析，并对场内数据交易和场外数据交易进行比较分析；最后，对数据交易中的合规性审查要点进行分析归纳。

本书从原理、技术和应用层面解密区块链技术，涵盖基础概念、架构、区块链与信息系统、在各行业的应用潜力等读者关心的问题。全书分为四部分，共9章。第一部分为基础理论（第1～2章），着重介绍区块链入门知识，阐述了区块链基本概念、发展历程、产业发展状况、应用落地思考等，为后面介绍区块链技术做铺垫。第二部分为技术架构（第3～5章），详细讲解区块链中出现的核心技术，包括区块链架构、密码学安全技术、共识算法、智能合约以及信息系统的区块链体系。第三部分为应用部分（第6～8章），详细论述了区块链在指挥控制、军事、金融科技和工业制造领域的应用。第四部分为总结与展望（第9章），总结区块链发展的制约因素，提出了区块链未来发展的建议和展望。

本书提供了关于如何在数据治理中建立和运行数据认责工作的适用且可操作的信息和说明，旨在为新任数据专员或数据治理经理提供在数据认责方面所需的知识，以确保其工作有效和高效。本书分为11章，包括：数据认责和数据治理：二者如何结合；了解数据认责的类型；认责管理的角色和职责；实施数据认责；培训业务型数据专员；数据认责实践；数据专员的重要角色；衡量数据认责进度：指标；数据认责成熟度评估；大数据和数据湖认责；基于数据域开展数据治理和认责。本书内容丰富，理论和实践相结合，易读性和可操作性强，可以作为数据质量管理的入门和进阶用书，还可作为数据治理、信息技术、数据分析等领域人员的参考用书，尤其适合对数据认责感兴趣的读者和负责组织以及运行数据认责工作的人员阅读。

《华为HCIP-Datacom认证实验指导（视频讲解 在线刷题）》基于华为网络中级认证的最新大纲编写，以eNSP 模拟器为仿真平台，从行业实际应用出发组织全书内容。本书共分为两篇 其中核心技术篇包括OSPF、IS-IS、路由引入、路由控制、BGP、RSTP、MSTP、堆叠、IP 组播、IPv6、防火墙、VPN、BFD、VRRP、DHCP 等技术与实验项目；高级路由和交换技术篇包括 IGP 高级特性、BGP高级特性、IPv6路由、VLAN 高级特性、以太网交换安全、MPLS和MPLS LDP、MPLS VPN 等高级技术和实验项目。本书既可以作为华为 HCIP-Datacom 网络技术职业认证的备考指南和实验参考书，又可以作为华为 ICT学院的配套实验教材，也可以作为计算机网络相关专业的实训指导书，同时还可以作为相关企业的培训教材，对于从事网络管理和运维的技术人员来说，本书也是一本很实用的技术参考书。

本书以深度学习入门内容为主线，通过数形结合的方式来渐进式引导读者进行学习，力争使各位读者对于每个算法原理不仅要做到知其然更要做到知其所以然。同时，本书采用了深度学习中较为流行且简单易学的PyTorch框架来进行示例，以便让各位读者在学习各个算法的原理过程中也能够掌握其实际的用法。 本书共10章，分为深度学习领域发展和开发环境配置、深度学习基础和深度学习技术在自然语言处理领域方面的应用三部分内容。第一部分内容（第1~2章）详细介绍了深度学习的起源和发展阶段及深度学习环境的安装配置。第二部分内容（第3~8章）介绍了深度学习入门的基础内容，包括线性回归、梯度下降与反向传播、卷积神经网络、循环神经网络和模型的优化等方面的内容。第三部分（第9~10章）详细介绍了自然语言处理领域的重要概念和技术发展路线，包括Seq2Seq、注意力机制、Transformer和GPT等目前主流的算法模型。 本书图例丰富，原理与代码讲解通俗易懂，既可作为高等院校和培训机构相关专业的教学参考书，也可作为对深度学习领域感兴趣的工程师和研究人员使用。