本书以统计学史上著名人物的伟大成就为脉络，将数据分析这一学科的发展历程娓娓道来。从开普勒仰望星空拉开统计学序幕，贝叶斯提出主观概率，到人工智能、深度学习逐步渗透今天的日常生活。本书带领读者在数据科学的熠熠星光下，看透大数据的深邃内核。

《对比Excel，轻松学习Python统计分析》是“对比Excel”的第4本书，全书依旧突出对比学习的特点，通过对比 Excel 的方式来讲解如何利用 Python 学习统计学知识，即统计分析。是“对比 Excel”之前3本书的延续，同时也是数据分析师技能树的扩展。《对比Excel，轻松学习Python统计分析》的主线是围绕统计学的理论知识展开的，层层递进，依次为描述性分析、概率和概率分布、抽样推 断与参数估计、假设检验、方差分析、卡方分析、回归模型、相关性分析、时间序列。每个理 论知识又由核心的 3 个部分组成：该理论知识在数据分析中的应用、理论知识讲解、Excel 和 Python 工具的实现，让大家学完本书以后既学到了理论知识，也知道如何将理论知识在数据分 析中应用，还知道如何用 Excel 和 Python 去实现。

本书将数据库的理论知识与实践教学以及实际应用相结合，理论联系实践，内容层层递进，首先概述数据库及其技术发展、数据库系统设计与管理，然后对数据库课程教学改革与模式创新进行了讨论，在此基础上对数据库应用与共享平台设计进行了 深层次的探究。希望读者通过阅读本书，加强对数据库相关理论的掌握，对数据库及其教学应用有 深入的了解，推动数据库应用技术的发展。本书适合作为高等学校计算机、信息管理、软件工程、电子商务等相关专业数据库类课程本科生教材，也适合作为从事数据库系统研究、数据库管理和数据库系统开发者的参考用书。

系统、完整，一本在手，学习工作都能用的SQL入门教程·第1部分介绍SQL的基本语法，包括查询操作、数据统计、高级查询、内置函数、表的操作、列的属性等。·第2部分主要SQL的高级技术，包括多表连接、视图、索引、存储过程、存储函数、事件、触发器、游标、事务。·第3部分通过经典案例帮助读者融会贯通。·第4部分提供了常用的数据参考。为了让读者更好地掌握，本书还结合实际工作以及面试，精心挑选了大量高质量的练习题。此外，本书还专门配套了课件PPT，方便老师教学使用。

系统、完整，一本在手，学习工作都能用的MySQL入门教程！·第1部分介绍MySQL的基本语法，包括查询操作、数据统计、高级查询、内置函数、表的操作、列的属性等。·第2部分介绍MySQL的高级技术，包括多表连接、视图、索引、存储过程、存储函数、事件、触发器、游标、事务。·第3部分通过经典案例帮助读者融会贯通。·第4部分提供了常用的数据参考。为了让读者更好地掌握，本书还结合实际工作以及面试，精心挑选了大量高质量的练习题。此外，本书还专门配套了课件PPT，方便老师教学使用。

本书提供了通过GitOps使用Kubernetes的实用教程，内容涵盖GitOps的实践、技术和工具，它们可以简化Kubernetes来更快地交付企业级软件，而不影响安全性。通过阅读本书，你将了解GitOps在灵活的配置管理、监控、健壮性、多环境支持和安全性等方面的好处，并掌握以独特的GitOps方式进行管理的技巧。学完本书，你将能够实现和管理一个可伸缩的持续交付管道，这使得跟踪更改、回滚错误以及清晰地验证和审计容器部署变得容易。

智能科学研究智能的本质和实现技术， 是由脑科学、认知科学、人工智能等构建的前沿交叉学科。脑科学研究自然智能机理，建立脑模型，揭示人脑的本质；认知科学研究人类感知、学习、记忆、思维、意识等心智活动；人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。本书系统地介绍了智能科学的概念和方法。全书共分12章。本书可以作为高等院校计算机、自动化、人工智能、智能科学等相关专业的本科生教材，也可供高职培训教材。

大数据时代，各行各业积累的数据不断增多，海量数据经过清洗、整理以后，基于分析与挖掘工作，才能获取到有用的数据信息，挖掘到数据背后的价值，掌握大数据的规律。而数据分析与挖掘的核心工作即是数据建模。数据建模，通俗地说，就是通过建立数据科学模型的手段解决现实问题的过程。《BR》本书共分为五章，内容包括数据建模概述、数据建模常用数据计算软件MATLAB和SPSS入门介绍、数据建模方法、实战案例分析等。本书注重理论与实践相结合，不仅有详细的数据建模理论方法，还有赛题案例，以及非常详细的程序代码，让读者既能具备数据建模理论的基础，又能掌握解决数据建模问题的技巧与方法，还能轻松应对大数据问题的编程计算。

大数据知识工程旨在从大数据中获取知识、表示知识，并基于这些知识进行推理计算，解决大数据背景下的实际工程问题。大数据知识工程是信息化迈向智能化的必由之路。《大数据知识工程》全面系统地介绍大数据知识工程的有关内容。《大数据知识工程》共9章，第1章介绍大数据知识工程的背景；第2章介绍大数据知识工程的“三跨”特点及面临的“散、杂、乱”挑战；第3～6章介绍知识表示、知识获取与融合、知识表征学习、知识推理四个核心环节；第7章介绍教育、税务、网络舆情领域的大数据知识工程应用；第8章指出未来研究方向；第9章对《大数据知识工程》进行总结。

暂缺简介...