《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、国际商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者通过学习本书内容，切实提高可视化分析的技能。

本书以数据思维为主题，以数据分析全流程为主线，融合了与数据思维相关的编程语言、统计学基础及案例分析等内容，全书分为4 篇，囊括了数据思维的概念和培养方法、数据来源及体系建设、数据分析三大思维方式及用户流失、用户转化实战等共11 章的内容。本书囊括了数据分析中常用的分析方法，包括经典的海盗（AARRR）模型、麦肯锡的MECE 模型、逻辑树、漏斗分析、路径分析、对比分析、A/B 试验、RFM 模型、K-Means 算法、5W2H 等分析方法，还包括各类方法的实践案例及Python 实操项目。可以说本书是数据分析方法论与统计学知识、编程语言及应用案例的完美结合。 本书适合工作了1～3 年的初级数据分析师；已经掌握了数据分析工具，需要培养数据思维的转行人员；数据科学行业的人力专家和猎头等。

本书全面介绍了数据架构与数据建模的相关知识，全书分为4篇，共16章。 第1~3章为数据架构基础篇，介绍了企业架构、数据架构及数据模型的基础概念。第4~9章为数据模型设计篇，介绍了如何通过数据模型记分卡规范化数据模型设计，以及经典数据建模方法论，包括范式建模、维度建模、Data Vault建模、统一星型建模。第10~12章为数据模型落地篇，介绍了在企业中如何实现多人协作构建模型、如何管控数据模型、数据模型数据与数据标准，以及元数据如何形成数据治理闭环。第13~16章为行业数据模型篇，分别介绍了证券、保险、教育、航空业的数据架构及数据模型。 本书既可以作为数据建模人员、数据开发人员的学习用书，也适合非IT专业但对数据有强烈兴趣的业务人员使用，还可以作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。

本书首先通过形式化的方式讨论篡改手段对媒体的影响，进而对图像及视频的篡改检测进 行建模。模型包括两方面：一是检测媒体中是否存在异常相似的感知对象；二是检测媒体中是 否有某些感知对象经历了与其他感知对象不一致的变换链。对于篡改检测模型的两方面， 本书 分别针对相应的图像篡改检测和视频篡改检测展开研究：在检测异常相似的感知对象方面， 分 别研究图像区域拷贝和视频帧的篡改检测技术；在检测不一致的变换链方面，分别在图像和视 频部分研究图像局部篡改检测和视频删/插帧检测技术。 本书适合作为高等学校数字图像相关专业研究生的扩展读物，也可作为相关从业人员的参 考书。

《统计工程导论》简要回溯了统计学的现状与历史。对比经典理论提出的历史背景，在当前不断变化的技术手段下，内部需求和外部竞争促使着统计工作者不断的解放思想、与时俱进。面对新形势新问题，除了紧跟上下游学科的先进技术之外，统计学者还应该树立实事求是的观念。统计工程的概念就是在这样的背景下孕育而生。 统计学在我国是一级学科，包括着经济统计、应用统计、数理统计和可能新加入的数据科学等二级学科。统计工程的提出考虑多个二级学科特点，也是探讨从观念上如何将新加入的数据科学融入相关思考。结合多个统计工程项目的实践经验，本书在原有统计分析的业务流程上扩充的工程化相关流程环节，方便读者们衔接统计专业知识。接着，本书建立了工程化的统计产品概念，这是提出统计工程的自然逻辑延续，并以统计产品为目标引领着章节的展开。本书继续发展相关主题，统计产品是以人为主体的工程概念，前沿的工程模式是以数字化为中心的，用户与统计平台相互收益的生态共建形式，统计平台会是统计工程化过程广泛的形式。作为导论，本书没有继续列举更多的工程形式，继续从工程工作的实践出发，介绍传统统计工作中没有被正式提出但是实际工作却无法回避的相关工作，需求分析、项目实施及运维服务。后，本书列举了两个相对完整的统计工程案例。统计工作正在从过去几百年来辅助决策的角色，慢慢转变成科学研究、商业活动和公共事务的高效自动决策中心。从外部看大数据、通信技术等信息技术推断这一变化，但是就统计学科本身来说，统计工程是这一变化的关键变量。希望能引起广大统计同人的认可与共鸣。

本书解释、探索了数据挖掘的主要技术，可以从数据中自动提取隐式和潜在有用的信息。数据挖掘越来越多地用于商业、科学和其他应用领域，它侧重于分类、关联规则挖掘和聚类。书中对每个主题都进行了清晰的解释，重点是算法而不是数学公式，并通过详细的有效示例加以说明。本书是为没有强数学或统计学背景的读者写的，并详细解释了使用的所有公式。本书适合作为本科生或研究生层次的教材，适用专业包括计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学。为了帮助读者自学，本书旨在帮助普通读者理解什么是“黑盒”，这样他们就可以有差别地使用商业数据挖掘包，高级读者或学术研究者可以对未来该领域的技术进步做出贡献。书中每一章都有实践练习，让读者检查自己的进度。附录还包括所使用的技术术语的完整术语表。数据挖掘原理包括对流数据分类算法的介绍，包括平稳数据（底层模型是固定的）和依赖时间的数据（底层模型不时变化）——这种现象称为概念漂移。本书提供了前馈神经网络与反向传播的详细描述，并显示它如何可以用于分类。

本书通过案例导引，结合各种数据结构基本算法，配合微课视频的讲解，全面介绍了线性表、队列、堆栈、树、图等基本数据结构的概念、存储及算法实现，系统说明了各种查找及排序算法的实现和效率分析，在第10章给出了数据结构综合应用实例。书中各种算法采用C语言描述，注重程序设计风格。本书语言流畅，内容通俗易懂，算法描述力求精练易读；同时为了适应当前互联网学习、移动学习新浪潮，编者对本书中所描述的各种数据结构核心算法和部分案例录制了微课讲解视频，便于学生自学参考，帮助读者实现随时随地学习。本书可以作为计算机、信息等专业本科生数据结构课程的教材，也可作为广大计算机爱好者或软件开发人员的参考书。

数据科学是从单纯的“大”数据提炼出“智慧”的数据，以供人们发现新知识并辅助决策的综合交叉学科．本书简要阐述数据科学的数学基础．全书共11章，内容包括线性代数基础、线性空间与线性变换、向量与矩阵范数、矩阵分解、概率统计基础、随机过程、**化基础、线性规划、常用无约束**化方法、常用约束**化方法以及综合案例．除第11章外，每章都有应用实例与该章内容紧密结合，以进一步加强读者对知识点的理解和掌握．所有的应用实例和第11章综合案例的代码都在Windows操作系统下利用Python 3.7编写，并在交互式解释器IDLE上调试通过．本书可作为高等院校大数据、人工智能等相关专业的教材，也可供从事大数据、人工智能及相关领域教学、研究和应用开发的人员参考．

本书以数字孪生在数据中心的应用为主题，从采用的方案、遇到的问题、解决的方法及对未来的思考等全面介绍技术实践的细节。本书共分为5章：第1章介绍数字孪生相关的知识和应用场景；第2章主要阐述数字孪生在数据中心的应用和数据中心的行业知识；第3～5章篇幅较多，主要介绍数字孪生使用的技术，并配套完整的项目代码，其中第3章介绍数据分析算法相关的技术知识，第4、5章阐述3D可视化框架ThreeJS相关的知识。 本书适合对数字孪生有兴趣的技术团队、开发和研究人员阅读。

本书以达梦数据库管理系统DM8为蓝本，在介绍数据库集群技术现状及实现原理的基础上，分别介绍达梦数据库守护、读写分离、大规模并行处理（DMMPP）和数据共享（DMDSC）等数据库集群构建方法和实施步骤。全书包括5章，主要内容包括数据库集群技术、达梦数据库数据守护集群、达梦数据库读写分离集群、达梦数据库大规模并行处理集群和达梦数据库数据共享集群。 本书内容实用、操作性强，语言通俗、格式规范，可作为相关专业的教材，也可作为工程技术人员的参考书。