《云背景下数据库安全性与数据库完整性研究》共分八章。阐述了云计算、云数据库、数据库安全性以及数据库完整性等，集中阐述了数据库安全性控制的必要性、常用方法、技术及策略以及数据库完整性的定义、检查及违约处理等，并对图书资料智能管理系统进行数据库安全性与完整性的设计。

本书包括五部分内容。第一部分（第1~3章）涉及数据挖掘技术的基础知识，介绍数据挖掘的定义、数据挖掘工具及应用领域，数据挖掘的数学基础内容，以及海量数据挖掘处理技术。第二部分（第4~5章）分别从聚类技术和离群点挖掘技术阐述聚类在语音区分、新闻分组、销售策略制定、交通事故预测、欺诈检测、入侵检测、异常气候检测等方面的应用。第三部分（第6~11章）分别从决策树、基于实例的学习、支持向量机、贝叶斯学习、人工神经网络、遗传算法在病情诊断、信用卡欺诈、机械装备设计、法律案件审理、动物分类、垃圾邮件过滤、手写文字识别、股票价格预测、人脸识别、音乐生成等方面阐述分类的应用。第四部分（第12章）阐述回归数据挖掘技术的应用，涉及卡尔曼算法在股票价格预测、GPS定位方面的应用。第五部分（第13章）介绍推荐系统这个最典型的数据挖掘应用。附录总结本书内容，阐述数据挖掘技术的数学本质。

本书集成了近年来社会媒体、社会网络分析以及数据挖掘的前沿成果，为学生、从业者、研究人员和项目经理提供了一个方便的平台，以便理解社会媒体挖掘的基础知识和潜能。本书介绍了社会媒体数据的问题，并阐述了网络分析和数据挖掘的基本概念、新问题以及有效的算法。

准备好释放数据的威力了吗？通过这本施工忸怩好，你将会学习到如何通过Apache Hadoop建立和维护可靠的、可扩展的分布式系统。本书是期望分析任意大小的数据集的程序员以及想建立和运行Hadoop集群的管理员的理想选择。在这本面向Hadoop 2的新版书籍中，作者怀特增加了关于YARN和一些Hadoop相关项目，如Parquet、Flume、Crunch和Spark的新章节。你将会了解到Hadoop版本的新变化，并且研究在医疗健康系统和基因数据处理中Hadoop的应用案例。

《Oracle Mobile Application Framework开发指南：构建多平台企业移动应用》一书的作者Luc Bors是一位Oracle ACE，他在该书中阐述了如何基于单一代码库创建多平台移动应用。在整本书中提供了详细的示例和易于理解的代码。通过一个完整的样例应用逐步解释Oracle MAF的强大功能，包括数据可视化、UX模式、地理地图、推送通知等。通过学习本书，可以充分利用Oracle MAF可视化和声明式开发的特性。书中主要内容●　为Android和iOS应用开发配置IDE●　为移动应用创建AMX页面和任务流●　使用绑定层和数据控件●　创建应用特性，并在Springboard和导航栏中配置访问这些特性●　使用数据控件调用Web服务，并创建一个设备上的数据库●　实现设备交互服务●　调试、测试和保护Oracle MAF应用的安全性●　创建一个交互样例应用，较大化Oracle MAF的功能

在里扎等编著的《Spark高级数据分析（影印版 ）（英文版）》这本实用书籍中，4位Cloude阳公司 的数据科学家讲解了一系列自包含模式，用于在 Spark中进行大规模数据分析。本书作者们把Spark、 统计原理和现实世界中的数据集合放到一起，通过实 例教你如何解决数据分析问题。你将从Spark及其生态系统的介绍开始，然后深 入运用标准技巧的模式——归类、聚合过滤及异常检 测等，这些技巧被用于生物基因、安全和金融等行业 。如果你对机器学习和统计学有初步了解，使用Java 、Pytton或者Scala编程，就会发现这些模式对于你 的数据分析应用程序会非常有用。模式包括： 音乐推荐和Audioscrobbler数据集合 用决策树分析森林覆盖 用K均值聚合检测网络流量中的异常 用潜在语义分析理解维基百科 用GraphX分析共生网络 用地理空间和瞬态数据分析纽约市出租车路线的 数据 用蒙地卡罗模拟来估计金融风险 分析基因数据和BDG项目 通过PySpark和Thunder分析神经造影数据

暂缺简介...

本书基于Tableau 9.1版本编写，详细介绍了Tableau的数据连接与编辑、图形编辑与展示功能，包括数据连接与管理、基础与高级图形分析、地图分析、高级数据操作、基础统计分析、如何与R集成进行高级分析、分析图表整合以及分析成果共享等主要内容。同时，书中以目前电力行业已有的监测、分析业务实践为基础，以丰富的实际案例贯穿始终，对各类方法、技术进行了详细说明，方便读者快速掌握数据分析方法。本书适用于互联网、银行证券、咨询审计、快消品、能源等行业数据分析用户以及媒体、网站等数据可视化用户。

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。大多数数据挖掘的教材都专注于介绍理论基础，因而往往难以理解和学习。本书是介绍写给程序员的一本数据挖掘指南，可以帮助读者动手实践进行数据挖掘、集体智慧并构建推荐系统。全书共8章，介绍了数据挖掘的基本知识和理论、协同过滤、内容过滤及分类、算法评估、朴素贝叶斯、非结构化文本分类以及聚类等内容。全书采用做中学的方式，用生动的图示、大量的表格、简明的公式，实用的Python代码示例，阐释数据挖掘的知识和技能。每章还给出了习题和练习，帮助读者巩固所学的知识。本书专注适合对数据挖掘、数据分析和推荐系统感兴趣的程序员及相关领域的从业者阅读参考；同时，本书也可以作为一本轻松有趣的数据挖掘课程教学参考书。

本书是使用Spark进行大规模数据分析的实战宝典，由大数据公司Cloudera的数据科学家撰写。四位作者首先结合数据科学和大数据分析的广阔背景讲解了Spark，然后介绍了用Spark和Scala进行数据处理的基础知识，接着讨论了如何将Spark用于机器学习，同时介绍了常见应用中几个常用的算法。此外还收集了一些更加新颖的应用，比如通过文本隐含语义关系来查询Wikipedia或分析基因数据。