空间数据库是研究空间数据的组织、存储和管理的原理、技术和方法的一门前沿学科，是空间信息科学技术和数据库技术、计算机科学技术等多学科交叉融合的产物，也是各种空间信息系统的核心。本书内容共十章，系统阐述了空间数据库的概念、原理、技术和方法，重点介绍了空间现象的数据表达、空间数据模型、空间数据的组织与管理、空间数据库索引技术等内容。同时介绍了空间数据的共享与集成方法，以及空间数据质量与安全控制的技术与途径。

作为认知科学的延伸，数据科学一方面应该越来越引起广大大数据工作者的重视，另一方面也要撩开自己的神秘面纱，以尤为亲民的姿态和每位大数据工作者成为亲密无间的战友，为用科学的思维方式进行工作做好理论准备。《数据科学家养成手册》从众多先贤及科学家的轶事讲起，以逐步归纳和递进的脉络总结出科学及数据科学所应关注的要点，然后在生产的各个环节中对这些要点逐一进行讨论与落实，从更高、更广的视角回看科学及数据科学在各个生产环节的缩影。《数据科学家养成手册》并不以高深的数学理论研究作为目的，也不以某一种计算机语言编程作为主线脉络，而是在一个个看似孤立的故事与工程中不断拾遗，并试着从中悟出一些道理。《数据科学家养成手册》适合大数据从业人员和对大数据相关知识感兴趣的人，初级和中级程序员、架构师及希望通过对数据的感知改进工作的人，产品经理、运营经理、数据分析师、数据库开发工程师等对数据分析工作敏感的人，以及所有对数据科学感兴趣并希望逐步深入了解数据科学知识体系的人阅读。

"数据库升级、迁移和转换的实用路线图　《Oracle数据库升级、迁移和转换*实践 提供了在不同操作系统和平台之间迁移，将现有数据库转换到不同存储或企业系统，以及将数据库版本升级的*实践。基于专家作者的工作经验，本书将帮助我们在项目中选择*的迁移路径，以及开发一套有效的方法。主要内容●　利用Oracle Data Guard的特性迁移Oracle Database●　使用Oracle Recovery Manager、可传输表空间集和可传输数据库工具集在不同平台之间迁移●　使用导出/导入功能迁移数据库●　使用Oracle GoldenGate进行零停机时间或接近零停机时间的迁移●　利用跨平台可传输表空间集实用工具●　使用Oracle自动存储管理（ASM）特性迁移到新的存储平台●　使用数据库升级助手工具升级到Oracle Database 12c●　无缝地移动到Oracle的工程系统●　移动到云端"

本书以由浅入深、由原理到应用场景的方式介绍了Redis 这款NoSQL 数据库产品。书中不仅细致地讲解了Redis 中的数据结构及流行的使用模式，还针对Redis 键的设计和管理，以及内存管理提出了建设性的方案。同时，作者深入Redis 源码，将其内部构造通过源代码调试的方式进行呈现。本书适合有一定NoSQL 经验的开发者或者架构师阅读。读者可以从书中找到许多应用场景和解决方案，例如Docker 部署、Redis 消息队列、基于Redis 的ETL 应用和基于Redis 的机器学习等。

暂缺简介...

在军工产品的试验技术领域中，有一类产品如火工品等，它的性能是受外加能量（机械能、电能、热能等）的刺激而变化的，涉及的是对总体不能直接观测的一个特殊统计模型，对这类产品的性能分析或试验鉴定是通过改变刺激量强度来实现的，这类试验称为感度试验。在我国感度试验用的是国际上的升降法、兰利法等方法，研究认为这些方法存在着许多弊端。本书系统介绍了我国自己研究创新的一套自成体系的感度试验新方法，它是基于统计学中的EM算法及Fisher信息量原理而建立的，他几乎克服了国内外使用的升降法、兰利法、Neyer_D法等方法的所有弊端。重点介绍了方法建立的背景、理论基础、使用方法，其内容主要是设计理论、S_EM数据处理方法、数据分析的统计学方法、样本量的确定方法。为了便于实际工作的需要，本书给出了应用软件。

《高校数据仓库系统建设与应用》共分6章。第1章主要介绍数据仓库的概念、背景及大数据研究展望。第2章介绍数据仓库相关的技术原理。第3章介绍数据仓库项目需求分析的流程、方法、原则，以及数据仓库需求分析应包含的内容。第4章结合高校业务特点，根据数据仓库系统建设过程介绍各环节，主要有建设流程、系统架构、主题规划、源数据分析、数据模型设计、ETL设计、ETL开发、ETL测试、系统运行监控和报表设计开发，重点阐述每个环节采用的技术方法、实现过程及注意事项。第5章介绍数据仓库元数据管理、数据质量管理和系统运维管理，其中重点介绍数据质量监控系统的设计及实现。第6章通过剖析高校的核心管理业务、数据分析指标和分析案例，来详细说明数据仓库在高校各业务管理中的应用。

暂缺简介...

本书从学习与实践者的视角出发，分别从基础知识、MongoDB高级特性、MongoDB开发实战几个维度详细地介绍了MongoDB的特点及应用实例。 本书包括以下内容： MongoDB基础知识，数据创建与更新，查询与索引，副本集维护，数据分片以及开发实战等。本书适合有海量数据存储需求的人员、数据库管理开发人员、数据挖掘与分析人员以及各类基于数据库的应用开发人员。

《全栈数据之门》以数据分析领域热门的Python语言为主要线索，介绍了数据分析库numpy、Pandas与机器学习库scikit-learn，使用了可视化环境Orange 3来理解算法的一些细节。对于机器学习，既有常用算法kNN与Kmeans的应用，决策树与随机森林的实战，还涉及常用特征工程与深度学习中的自动编程器。在大数据Hadoop与Hive环境的基础之上，使用Spark的ML/MLlib库集成了前面的各部分内容，让分布式机器学习更容易。大量的工具与技能实战的介绍将各部分融合成一个全栈的数据科学内容。《全栈数据之门》不是从入门到精通地介绍某一种技术，可以把本书当成一本技术文集，内容定位于数据科学的全栈基础入门，全部内容来自当前业界实用的技能，有非常基础的，也有比较深入的，有些甚至需要深入领悟才能理解。《全栈数据之门》适用于任何想在数据领域有所作为的人，包括学生、爱好者、在职人员与科研工作者。无论想从事数据分析、数据工程、数据挖掘或者机器学习，或许都能在书中找到一些之前没有接触过的内容。