\"大数据技术的发展，已被列为 重大发展战略。而在过去的几年里，无论是聚焦大数据发展的《促进大数据发展行动纲要》，还是《“十三五”规划》中都深刻体现了政府对大数据产业和应用发展的重视。目前 大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。但随着市场竞争的加剧，各行业对大数据技术研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。本书定位为大数据技术入门教材，为读者搭建起通向“大数据知识空间”的桥梁和纽带。本书以Excel工具为载体，介绍大数据技术的基本操作。全书包括课程导入及5个项目，主要内容包括大数据概述、大数据技术面临的挑战、数据的录入与抽样、数据的预处理、数据的整理、统计图的制作、数据度量的应用等。本书注重实用，以具体任务为载体，理论紧密联系实际，使读者可以系统全面地掌握基本技术与操作技能。本书可作为以供从事大数据技术初入行业的技术人员学习使用。\"

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。

作为软件测试（包括白盒测试和黑盒测试）中的一个基本问题，测 例自动生成尤为重要，这是因为白盒测试中的许多问题（如控制流测试和数据流测试）以及黑盒测试中的一些问题都可以归结为测 例生成问题。解决这个问题的本质在于约束系统的建立和求解。约束求解是人工智能的一个传统研究方向。本书将系统地研究如何进行软件系统的约束建模和求解，利用人工智能的各种技术，对一些特殊情况（复杂数据类型、线性约束的区间初始化、库函数等）给出切实可行的解决方案。提升回归测试效率的一个重要方法是对测 例集进行优化，目前常见的优化方法有3种，分别是测 例集约简、选择和优先级排序。这3种方法分别适用于不同的场景，本书主要关注测 例集约筒和测 例优先级排序，通过对相关问题和已有方法的调研，将现在应用比较广泛的人工智能中的群智能算法和一些进化算法引入测 例集优化问题中，提出新的测试用例集约简和测 例优先级排序技术。本书的主要读者对象为软件工程研究者和从业人员。

人工智能方兴未艾，正在向人们生活的各个领域渗透。 本书紧扣业界前沿，主要介绍了一些当前流行、 具有广阔应用前景的人工智能新技术。此外，本书各个章节还就一些重点专题给出了Python语言的程序实现，使抽象的理论具体化，使生涩的算法容易理解。本书共分12章，主要介绍人工智能的基本概念、知识表示方法、确定性推理、不确定性推理、搜索问题求解策略、智能计算、机器学习、 人工神经网络与深度学习、多智能体技术、视觉感知与识别等人工智能 理论与应用。 附录中给出了本书用到的计算机程序语言——Python语言的相关基础， 供没有接触过Python的读者参考学习。本书可以作为高等院校相关专业本科生与研究生的教材，也可作为人工智能技术领域研究人员与工程技术人员的参考书。

《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。

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。

文本数据挖掘是通过机器学习、自然语言处理和推理等相关技术或方法，理解、分析和挖掘文本的内 容，从而完成信息抽取、关系发现、热点预测、文本分类和自动摘要等具体任务的信息处理技术。《文本数据挖掘（第2版）》主 要介绍与文本数据挖掘有关的基本概念、理论模型和实现算法，包括数据预处理、文本表示、文本分类、文本聚类、主题模型、情感分析与观点挖掘、话题检测与跟踪、信息抽取以及文本自动摘要等，后通过 具体实例展示相关技术在实际应用中的使用方法。《文本数据挖掘（第2版）》书可作为高等院校计算机、自动化、网络安全、大数据分析等专业，以及利用到文本信息处理的交 叉学科（如金融财经、社会人文、生物医药等）的高年级本科生或研究生从事相关研究的入门参考书，也可供相关技术研发人员阅读和参考。

数据中心基础设施运维管理（基础篇）以培养合格的数据中心基础设施运维管理人才为目标，围绕与数据中心相关的国家政策 及解读、数据中心基础设施的基本组成、数据中心基础设施运维管理人才需求分析、数据中心安全管理及各项规章制度、数据中心相关认证等进行了系统论述。 全书共分5章，第1章介绍了国内数据中心的发展情况、数据中心定义以及数据中心运维人员严重短缺的严峻形势；第2章介绍了数据中心基础设施的组成及功能；第3章介绍了数据中心基础设施运维管理所需人才的技能要求及岗位职责；第4章介绍了数据中心相关安全管理及各项规章制度，为学习者提供了安全管理方面的模板；第5章介绍了数据中心相关认证、认证流程和所需材料。 数据中心基础设施运维管理（基础篇）可作为应用型本科、高职、中专院校数据中心基础设施运维管理等相关专业的教学用书，也可作为成人教育以及在职人员的培训教材和自学读物。