选题背景：在当前“互联网+”时代（或称作数字时代），各种大中小型的应用软件覆盖了社会的各个角落，作为软件后台的数据库系统必不可少。现有的本科生数据库教材多偏向理论学习，没有应用的数据库实验平台，或是有实验平台的大多是SQL Server，而本教材使用的数据库实验平台是现代企业大多数使用的、流行的大型数据库管理系统Oracle。学生学习理论的同时能通过实践更好的理解数据库知识，同时为以后在工作中更好地使用Oracle打下坚实的基础。 价值：《数据库原理与应用》这本书有助于数据库使用者和数据库设计者更好的理解数据库的知识原理和对数据库的实际操作。书中用一个完整教学管理系统贯穿整个教材，使读者对数据库的设计以及操作有整体的概念。对于数据库的重点应用操作——查询操作，书中给出了尽可能多的方法来解决，很全面。 《数据库原理与应用》是一本数据库领域的经典教材，是数据库领域的研究者和实践者以及本科生的必读书。

本书遵循教育部高等学校大学计算机课程教学指导委员会（2013—017）制定的《大学计算机基础课程教学基本要求》中关于“数据库技术与应用”课程的教学要求，同时紧扣教育部考试中心颁布的《全国计算机等级考试二级Access数据库程序设计考试大纲》而编写。 本书主要介绍关系数据库管理系统的基础知识以及关系数据库应用系统的开发技术，主要内容包括数据库基础知识、Access 2010概述、数据库的创建与管理、表的创建与操作、查询、窗体、报表、宏、模块与VBA编程基础、VBA数据库编程、Access数据库应用系统开发实例等。 本书适合作为高等学校非计算机专业本科、专科学生的教材，也可作为Access使用者、学习者与开发人员的参考书。

本书系统阐述数据库技术的核心软件——数据库管理系统，详细讲解其基本功能、工作模式、系统结构和实现技术，并对新型数据库管理系统予以介绍和展望，为有兴趣的读者指明研读方向。全书共分为11章： 第1章绪论；第2章数据库管理系统的数据组织与存储；第3章DBMS数据定义、操纵与完整性约束；第4章查询处理；第5章查询优化；第6章事务；第7章并发控制；第8章数据库安全；第9章数据库恢复；第10章数据库管理系统性能配置；第11章新型数据库管理系统。 本书可以作为高等学校计算机类专业、信息管理与信息系统等相关专业本科生和研究生“数据库”及相关课程的教材或教学参考书，也可供从事数据库管理系统研究、开发和应用的人员参考。

本书系统完整地介绍了线性表、栈和队列、树和二叉树、图和字符串等数据结构的抽象数据类型、操作实现和应用实例，并讨论了各种查找技术和排序算法。通过数据结构抽象数据类型定义和接口封装，培养读者的抽象思维能力。书中的算法采用规范完整的C语言描述，读者只需添加主程序就能够运行程序，进而能够在调试层面理解算法，从而跨越抽象和具体之间的鸿沟。本书通过每章开头的两个关键词进行章节主要内容概览，通过大量的图表辅助读者理解复杂的算法过程，通过应用实例和习题中的算法设计题目及应用题目强化、提高读者的应用实践能力。 本书既可作为高等院校计算机类相关专业的教材，也可作为高职院校计算机类相关专业的教材，还可作为计算机爱好者的自学书籍和计算机软件开发的工程技术人员的参考书。

本书根据高等职业教育的特点，基于“教、学、做”一体、“项目整合”、“任务驱动”的教学方式编写而成，以“学生信息管理系统”项目为主线安排教学内容，全书共分为9个项目，其中，每个项目按照“项目描述”→“项目分析”→“项目讲解”→“实战演练”→“技能训练”五步展开，其中“项目讲解”又由若干个子任务构成。教学内容由易到难、由简单到复杂，层次推进，循序渐进。本书结构紧密，首先从SQL Server 2012的基本概述讲起，然后介绍SQL Server 2012的安装和配置，又从开发的角度介绍了数据库、数据表、视图、索引、存储过程等的创建与管理，最后介绍了SQL Server 2012的程序设计和安全管理与维护。

本书系统介绍了基于MATLAB语言的探索性数据分析与实现方法。本书共分10章，从实际数据集与探索性数据分析的基本概念讲起，内容涉及数据模式的发现、线性与非线性降维方法、数据巡查方法、聚类分析，以及用于探索性数据分析的数据可视化方法。除了基本分析与实现方法，书中也给出了丰富的应用实例，并提供了大量免费的相关资源，全部实例代码都可以直接用于探索性数据分析。

本书系统地介绍了数据预处理？数据仓库和数据挖掘的原理？方法及应用技术， 以及采用Mahout 对相应的挖掘算法进行实际练习？本书共有11 章， 分为两大部分？第1 ~7 章为理论部分？第1 章为绪论， 介绍了数据挖掘与知识发现领域中的一些基本理论？研究方法等， 也简单介绍了Hadoop 生态系统中的Mahout; 第2 ~7 章按知识发现的过程， 介绍数据预处理的方法和技术？数据仓库的构建与OLAP 技术？数据挖掘原理及算法（包括关联规则挖掘？聚类分析方法？分类规则挖掘）？常见的数据挖掘工具与产品？第8 ~11 章为实验部分， 采用Mahout 对数据挖掘各类算法进行实际练习？ 本书应用性较强， 与实践相结合， 以小数据集为例详细介绍各种挖掘算法， 使读者更易掌握挖掘算法的基本原理及过程; 使用广泛的大数据平台———Hadoop 生态系统中的Mahout 对各种挖掘算法进行实际练习， 实战性强， 也符合目前数据处理与挖掘的发展趋势？ 本书既便于教师课堂讲授， 又便于自学者阅读， 可作为高等院校高年级学生“数据挖掘技术” “数据仓库与数据挖掘” “数据处理与智能决策”等课程的教材？

《数据结构与算法》详细介绍了数据结构与算法分析的核心内容，其中，数据结构知识包括：数据结构概述、线性数据结构、树数据结构、图数据结构、查找与排序等；算法分析与设计知识包括：算法分析与设计概述、算法复杂度分析、分治递归算法、贪心算法、动态规划算法等。本书采用项目驱动的知识组织方式，以案例为导向引出知识点及其理论基础，并通过配合具体案例程序实现过程，贯通了数据结构算法设计与分析的整体课堂教学过程，特别适合当今的反转课堂，MOOC等新型教学方式。本书从项目入手引人知识点理论，从而引导学生对知识点进行探索性学习，进而归纳后形成学生能掌握的知识点。

在大数据时代背景下，本书以培养数据管理应用型人才为目标，系统全面地讲述了数据库系统的基础理论知识、基本方法与应用技术。本书总共包含4篇17章，第1篇为基础篇，包括绪论、关系模型数据库、关系代数。第2篇为设计及应用篇，包括使用实体—联系模型进行数据建模、扩展的实体—联系模型、实体—联系模型到关系模型的转换、UML类图建模、关系数据理论、关系数据库标准语言SQL、数据库编程、数据库设计。第3篇为管理篇，包括并发控制、数据库存储技术、关系查询优化、数据库安全、数据库恢复。第4篇为新技术篇，包括数据库的发展及新技术。

海量数据的产生和大数据的高价值利用，让数据爬取变得日益重要。本书为读者介绍了如何使用Python编写网络爬虫批量采集互联网数据，如何处理与保存采集到的信息，以及如何从众多纷乱的数据中提取到真正有用的信息。本书末尾介绍了几种常用的数据可视化工具。让读者能够从头到尾完整地完成网络数据的采集与分析项目。 本书理论与实例并重，既能够帮助数据从业者快速提升工作效率，又可以帮助大数据爱好者用网络爬虫方便生活。