本书紧密围绕商业运作的需要来强调数据在经营活动中的实践应用，采用项目驱动方式，通过实训为指导来强化数据库相关知识点的深入学习。全书始终围绕网络书店销售管理系统为例子，通过共9章内容系统展示了从系统应用需求分析开始到数据库设计、数据库实现、网络数据库开发、数据库管理程序开发等一系列以满足商业需求为发端的、以数据库开发应用为线索的相关工作。这种一以贯之的学习方式提高了学习的成就感与目标性，有助于提高对于新管理实践和新技术发展的理解和掌握。

技术文档翻译关乎企业全球化进程，是我国语言服务行业重要但却长期被忽视的领域，其翻译质量受制于译员对专业领域知识的系统理解。为帮助译员高效习得领域知识，本书借助知识本体技术，模拟人类认知思维过程，以云计算领域为例，构建了面向技术文档翻译的知识服务平台，论述了其构建原理、模型、流程及应用前景等。本书的研究源于技术写作行业实践，诉求于翻译人才专业知识水平的提高，延伸于企业国际形象建设，落脚于知识服务体系探索，回归于技术文档翻译质量。此过程体现了应用翻译研究与其他学科交叉融合的发展本质，更体现了数字人文建设的旨归。

MySQL，数据库是当前为流行的开源数据库之一，它功能强大，已成为企业级数据库产品的。本书以网上购物系统的操作、管理为主线，巩固和深化数据库相关理论的学习和实践。本书共分为六个项目，内容涵盖MySQL，数据库基础、操作数据库与数据表、查询系统数据、优化系统数据，数据库编程以及数据库安全性和可用性六个项目及下设的18个任务，每个项目中均配有若干典型实例。本书可作为高等职业院校计算机相关专业及计算机教育培训机构专用教材，也可作为数据库开发爱好者的参考用书。

随着数据被纳入第五生产要素，数据治理已成为推动社会治理进程的重要动力，也是实现高质量数字化转型的重要基础。财务部门是企业的“数据中枢”，汇聚企业从前端业务到后端财务管理的大量数据，因此在众多企业中，财务数据成了企业整体数据治理落地实践的**“试验基地”。 财务数据治理指从财务视角出发，以资产、负债、所有者权益、收入、费用和利润的会计六要素为核心关联数据，通过一系列与信息相关联的过程来确保决策权和职责分工系统的实现。 财务数据治理的最终目标是提升财务相关数据的价值。财务数据治理非常有必要，它是企业实现数字战略的基础，是一个管理体系，包括组织、制度、流程和工具。 这本书将数据治理理论应用于财务管理实践，针对财务工作场景阐释数据治理方法论，总结财务数据管理的六大常见问题，分析五大财务数据问题场景，涵盖众多企业实践案例。将数据治理的体系融入财务职能，实现财务职能的升级和拓展。

《专业SCRUM：敏捷要领与项目实践》分为8 章，分别介绍了如何持续改进Scrum 实践，如何打造坚实的团队基础、如何交付“完成”的产品增量、如何提高交付的价值、如何改进计划、如何帮助Scrum 团队改进和成长、组织如何改进以及如何实现业务敏捷。无论是Scrum Master、团队还是产品负责人，都可以借鉴书中提供的大量实用性建议，克服常见的难题，持续改进Scrum 实践。

本书面向MATLAB的初、中级读者，在介绍MATLAB R2022a集成环境的基础上，对MATLAB使用中常用的知识和工具进行了详细的介绍。书中各章均提供了大量有针对性的示例，可供读者进行实战练习。根据内容的侧重点不同，全书分为4部分，共20章：第1～5章为基础部分，第6～11章为数学应用部分，第12～16章为工程应用部分，第17～20章为高级应用部分。为了使读者能够更好地操作MATLAB，本书中示例的命令已记录在M文件及其他相关文件中，读者可以将相关的目录设置为工作目录，直接使用M文件进行操作，以便快速掌握MATLAB的使用方法。

电子医疗健康（E-healthcare）领域因其关系民众身心健康且囊括很多相关主题内容，成为近需求强烈和应用较为广泛的前沿领域。针对社交媒体平台上医疗健康领域的多文本和复杂网络特性，精准医疗用户数据挖掘和社会网络分析等内容是重要的研究课题。本书首先在章中介绍了电子医疗健康时代下面临的科学问题和推荐系统研究现状。然后，在第二章中介绍了社交媒体平台上的文本数据和网络数据收集方法；第三章介绍了数据挖掘的知识，包括5个典型分类算法（k-近邻、决策树、支持向量机、随机森林、梯度提升决策树）和3个典型的聚类算法（k-means、层次聚类、孤立森林），通过Weka软件和python语言的使用，讲解如何实现这些数据挖掘方法。接着，在第四章中以微博平台上的电子医疗健康主题为例，阐述了基于文本特征集合构建和特征选择的情感分类，并提出了一种情感相似度计算方法。第五章是社会网络分析在社交媒体平台的应用，展示了如何使用随机指数图模型进行网络连接预测。后，在第六、七章中对社会化影响力衡量与社会化推荐系统的研究工作。并利用糖尿病微博数据进行社会化推荐的实证分析，验证本方法的有效性、优越性及可推广性。

本书从大数据的概念和特征开始讲起，首先让读者对大数据有一个感性的认识；然后结合大数据平台的各个模块，详细介绍了大数据的存储、处理、分析、可视化等方面的原理和操作；最后介绍了大数据在各行业中的应用，让读者更加充分地感受到大数据技术的优势，以及大数据应用的价值。 本书适合高等院校相关专业的学生使用，也适合参加大数据技术培训课程的人员使用，还可以作为从事ICT行业相关工作的人员和大数据技术爱好者的参考书。

这是一本通过分析ClickHouse底层引擎架构来解读ClickHouse极致性能的底层逻辑的著作，同时还总结了ClickHouse在各种适用场景中的使用技巧和性能调优方法，让读者知其然，也能知其所以然。全书一共12章，分为两个部分：第1部分 架构篇（第1-7章）简要地介绍了数据仓库的核心技术和思路，系统讲解了ClickHouse的查询性能优势、适用场景、架构设计和运作过程，深入地剖析了ClickHouse的存储引擎架构、计算引擎架构以及决定ClickHouse性能的关键因素，还将ClickHouse与其他数仓架构进行了深度对比，不仅阐明了ClickHouse查询速度快的底层逻辑，也推导出了ClickHouse的适用场景。第2部分 实战篇（第8-12章）针对ClickHouse的适用场景，讲解了它的各种使用技巧以及存算分离架构、分布式架构等云计算时代的全新架构，更重要的是，从数据结构、内存、磁盘、网络、CPU、查询等方面全面总结了ClickHouse的性能优化方法和原则。

结构化表征学习是机器学习研究的核心问题之一，旨在探索如何从高维可观测数据中获取有效的结构化信息表示，以实现高精度、鲁棒、快速的数据分析，是由数据到知识的关键渠道。本书重点介绍如何从具有不确定性的海量大媒体数据中挖掘和提取结构化、鲁棒、高效的特征，并实现高性能的信息挖掘和知识推断。本书内容包含近年来涌现的一些高效、鲁棒的结构化表征学习模型，介绍了基于鲁棒且紧凑的表征学习的一体化表征学习理论和方法，并为应对真实世界中的数据分析任务，如数据简约特征表达、紧凑特征压缩、有效特征筛选以及隐含知识挖掘等，提供了较为全面且切实可靠的解决方案。本书作者所在的团队多年来一直从事机器学习、计算机视觉、多媒体分析的研究，承担过众多***和省部级科研项目，具备从理论研究到工程应用的相关基础。本书是对作者近五年研究成果的总结和梳理，书中介绍的理论和方法能够很好地和实际应用结合在一起，行文流畅易读，适合具有一定专业基础的高年级本科生、研究生，以及相关领域的科研工作者和工程师阅读。