《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》以企业数据分析系统为业务背景，主要介绍微软公司的PowerBI系统的应用场景，涉及数据的收集、输入、清洗、过滤、发布等数据处理流程，以及功能模块方面的市场分析、用户分析、货品分析、流量分析、资源分析、舆情分析等多个常用场景，让用户很快熟悉从大数据分析到人工智能的应用。《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》遵循以实战为主的原则，力求做到结合项目、图文并茂、语言通俗、结构紧凑、例题丰富、实践性强。《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》适合作为高等院校计算机应用专业的教材，同时也适合智能数据分析的爱好者、数据管理人员、电商数据分析从业人员、电商运营从业人员阅读，还可以作为自学或函授学习的参考书。《大数据智能分析（Power BI详解（微课视频版））/大数据与人工智能技术丛书》特色：在结构上按照先总体后具体、先基本概念后高级进阶的顺序安排章节，兼有普及与提高的双重功能。结合大量实例，以通俗易懂的语言讲解复杂概念和方法。每章后附有问答题和实验题，并设计多次大作业，注重实践。面向企业实际项目应用，注重培养用户理解大数据分析的内涵和外延，学会用数据描述、分析和解决实际问题。

《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》特点：内容系统全面：全面介绍数据挖掘的经典和主流算法。原理浅显易懂：循序渐进阐述各类数据挖掘算法原理。配套视频教程：提供配套视频讲解数据挖掘算法实现。算法代码实现：使用Python3.6.2实现书中所有算法。配套资源丰富：配有教学课件、数据集和源代码。《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》是一本全面介绍数据挖掘技术的专业书籍，系统地阐述了数据挖掘的相关概念、原理、算法思想和算法的Python代码实现。《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》共分13章，各章相对独立成篇，以利于读者选择性学习。13章内容分别为绪论、pandas数据处理、认识数据、数据预处理、决策树分类、贝叶斯分类、支持向量机分类、感知器分类、回归、聚类、关联规则挖掘、推荐系统、电商评论网络爬取与情感分析。《Python数据挖掘技术及应用（微课版）/清华开发者书库·Python》可作为高等院校计算机科学与技术、数据科学与大数据及相关专业的数据挖掘、数据分析课程教材，亦可作为数据挖掘、数据分析人员的参考书。

Python是科学可视化的有利工具，第三方的Matplotlib、Numpy库功能强大，被广泛地应用于科学计算和绘图领域。本书通过分形与计算机图像处理的经典算法实例，来详细讲解Python绘图与数据可视化的使用方法和技巧。本书内容共分八个章节，采用的Python工具为Turtle、Matplotlib和Numpy，其中以Turtle模块开始，作为入门，逐步过渡到专业级的matplotlib和Numpy库。本书图文并茂，讲解细致，既是Python的绘图指南，也是分形与混沌的通俗化读物。

《轻松学 MySQL数据库从入门到实战（案例·视频·彩色版）》是基于编著者三十余年“数据库应用技 术”教学实践和教材编写经验编写的，结合数据库技术和MySQL数据库的发展趋势，从初学者容易上 手、快速学会的角度，采用Python+MySQL开发环境，用通俗易懂的语言，深入浅出、循序渐进地讲解 MySQL数据库系统的特点及应用开发技术，实现手把手教你从零基础入门到快速学会开发MySQL数据 库系统应用项目。 《轻松学MySQL数据库从入门到实战（案例·视频·彩色版）》由“数据库基础知识”“数据库操作技 术”“数据库应用技能”“基于Python的数据库应用系统开发”四篇组成，以一个分布式数据库的应用实例 为主线，讲述了数据库应用系统开发的必备知识。全书共18章，内容包括： MySQL数据库基础知识，数 据库设计和建模，数据库操作，以及索引、表、视图的创建及应用，SQL数据定义及操纵，SELECT查询， 存储过程、触发器的创建及应用，数据库备份与恢复，用户管理与权限管理，Python编程基础，Python 数 据库应用开发，Web数据库应用开发和数据库应用系统开发综合项目实战——英才智慧数字图书馆。 《轻松学MySQL数据库从入门到实战（案例·视频·彩色版）》内容翔实、重点突出，结构清晰，语言 通俗易懂，基础知识与动手实验相结合，配有152个知识点微视频（扫码直接观看），提供丰富的教学资 源，包括PPT课件、程序源码、课后习题及参考答案、在线交流服务QQ群和不定期网络直播等，既适合 零基础从事MySQL数据库管理和应用的入门者和爱好者、有一定数据库管理和应用开发基础的初、中级 工程师阅读，也适合作为高等学校、高职高专、职业技术学院、独立学院或培训机构的计算机及相关专 业MySQL数据库课程教材以及毕业设计实践课程的参考用书。

本书为国家职业教育信息安全与管理专业教学资源库配套教材。本书突出项目化教学的特点，以“教学质量监控系统”（ZLJK）贯穿整个教学过程，按照认识数据库->操作数据库和表->操作T-SQL编程基础->操作数据查询->操作T-SQL高级编程->管理数据库安全的主线组织内容，介绍数据库基本概念、数据库操作、表操作、流程控制语句、函数、查询、视图、索引、存储过程、触发器、游标、验证模式、登录、用户、角色、权限等知识。同时由浅入深地提供项目所需的知识储备、拓展知识和拓展实践，让学生在课前、课中、课后能全面学习基本原理、基本概念并掌握技能操作。本书为新形态一体化教材，配套建设了微课视频、授课用PPT、课后习题、习题答案、案例素材等数字化学习资源。与本书配套的数字课程在“智慧职教”（www.icve.com.cn）上线，读者可以登录进行学习并下载基本教学资源，详见“智慧职教服务指南”，也可发邮件至编辑邮箱1548103297@qq.com获取相关资源。本书既可作为高职高专院校计算机网络、软件技术等专业的专业课教材，也可作为数据库管理人员、数据库相关开发人员的参考用书。

本书分为9章，主要介绍应用ShardingSphere实现分库分表的一些方法论和工程实践。通过对ShardingSphere的基本概念、应用方式和整体架构的介绍，帮助读者掌握ShardingSphere的设计思想和解决方案；然后从Sharding-JDBC和Sharding-Proxy两款核心组件出发，对分库分表、读写分离、分布式事务、数据脱敏、编排治理及代理服务器等核心功能进行详细阐述，并结合具体场景给出实例分析和实现过程。 本书面向Java服务器端开发人员，读者不需要有很深的技术水平，也不需要详细了解分库分表相关工具，但如果读者熟悉Java EE常见技术并掌握一定数据访问基本概念，则有助于读者更好地理解书中的内容。通过学习本书内容，读者将对ShardingSphere的基本架构、设计思想和应用方式有更加深入的了解，为后续的工作和学习奠定基础。同时，本书可以作为具备不同技术体系的开发人员的参考用书。希望本书能给读者的日常研发和管理工作带来启发和帮助。

这是一本以案例为基础、涉及数据可视化相关知识内容讲解的案例教程，具有一定代表性、前沿性和创新性。既可以用于教师教学，也可以用于学生自学，既是教本又是学本。本书共有五个创新案例，包括：多维视（多维非空间数据可视化）、社网视（社交网络关系数据可视化）、脑网视（脑网络可视化）、体视（体数据可视化）、体交互（体数据交互）等系统。多维视、社网视侧重信息可视化，脑网视、体视侧重科学可视化，而体交互涉及可视化中的交互技术。引导学习者通过典型案例的知识点导读、方法概要、系统介绍与配置、导图操作等内容，学习不同的可视化技术。

随着近年来互联网+、大数据、AI和数据挖掘等技术的不断发展，数据库技术和产品日新月异，云端数据库已经成为一种重要的数据库类型。本书分8章来介绍数据库技术，内容包括数据库的发展史、数据库基础知识、SQL语法入门、SQL语法分类、数据库安全基础、数据库开发环境、数据库设计基础和华为云端数据库产品GaussDB数据库的使用。本书可作为高校数据库课程的教材，同时也适合作为HCIA-GaussDB V1.5认证考试的参考书。

本书较为全面地介绍了大数据开发技术平台Hadoop及其生态系统的相关知识。全书共12章，包括Hadoop概述、大数据开发平台Hadoop环境的搭建、Hadoop通用命令与编程原理、Hadoop分布式文件存储HDFS、作业调度与集群资源管理框架YARN、Hadoop分布式计算框架MapReduce、Hadoop数据库HBase、Hadoop数据仓库Hive、Hadoop数据的快速通用计算引擎Spark，以及大数据应用开发综合实例。本书从应用角度出发，重点培养学生应用大数据技术平台Hadoop解决实际问题的能力。 本书内容新颖，简明易懂，可操作性强，可作为普通高等学校、高职高专院校数据科学与大数据、软件工程等计算机相关专业和信息管理类专业“大数据开发技术”课程的教材，也可作为大数据技术培训的教材，还适合大数据技术研发人员和广大计算机爱好者自学使用。

全书共由7章组成，其中：第1章主要介绍数据挖掘技术、离群挖掘、集群系统与Spark并行计算模型及大数据的相关概念、理论基础和应用。第2章利用特征分组，针对高维分类数据集，研究了一种基于加权特征分组的离群检测新方法，通过将特征分为多个特征组来发现每个组中特征模式的不同方面。第3章利用Spark计算平台，研究了高维分类数据的并行离群检测算法。第4章通过分析属性间的相关性，研究了一种基于互信息的混合属性离群检测算法。该算法在互信息机制下给出了针对数值型和分类型统一的属性加权方法和离群得分计算方法，而且不同类型属性下的相似性度量也进行了规范化处理。第5章针对互信息计算的复杂性问题，充分利用Spark并行计算框架的强大计算能力，研究了一种并行互信息计算方法，该算法利用列变换和虚拟数据划分技术降低了网络传输和计算代价。第6章以某钢铁企业实际的冷轧辊产品加工数据为背景，设计与实现了冷轧辊制造过程离群检测原型系统，从而为企业开展产品质量控制提供了一种新的技术方法和解决思路。第7章是研究的总结与展望。