本书全面介绍了数据架构与数据建模的相关知识，全书分为4篇，共16章。 第1~3章为数据架构基础篇，介绍了企业架构、数据架构及数据模型的基础概念。第4~9章为数据模型设计篇，介绍了如何通过数据模型记分卡规范化数据模型设计，以及经典数据建模方法论，包括范式建模、维度建模、Data Vault建模、统一星型建模。第10~12章为数据模型落地篇，介绍了在企业中如何实现多人协作构建模型、如何管控数据模型、数据模型数据与数据标准，以及元数据如何形成数据治理闭环。第13~16章为行业数据模型篇，分别介绍了证券、保险、教育、航空业的数据架构及数据模型。 本书既可以作为数据建模人员、数据开发人员的学习用书，也适合非IT专业但对数据有强烈兴趣的业务人员使用，还可以作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。

本书内容紧扣国家对高等学校培养高级应用型、复合型人才的技能水平和知识结构的要求，采用全新的Web标准编写，内容包括HTML5、CSS3、JavaScript、jQuery开发技术基础和典型HTML5网站实例。本书以模块化的结构来组织章节，以“鲜品园”网站的开发为主线，通过对模块中每个任务相应知识点的讲解，引导学生学习Web前端开发的基本知识，以及项目开发、测试的完整流程。 本书分为13章，主要内容包括：HTML5基础，编辑网页元素，网页的布局与交互，CSS3基础，CSS3的属性，盒模型与页面布局，JavaScript编程基础，对象模型及事件处理，CSS3变形、过渡和动画属性，HTML5的API应用，jQuery基础，jQuery动画与UI插件和鲜品园综合案例网站。 本书条理清晰、内容完整、实例丰富、图文并茂、系统性强，适合作为高等学校计算机及相关专业课程的教材，也可以作为网站建设、相关软件开发人员和计算机爱好者的参考书。

本书首先通过形式化的方式讨论篡改手段对媒体的影响，进而对图像及视频的篡改检测进 行建模。模型包括两方面：一是检测媒体中是否存在异常相似的感知对象；二是检测媒体中是 否有某些感知对象经历了与其他感知对象不一致的变换链。对于篡改检测模型的两方面， 本书 分别针对相应的图像篡改检测和视频篡改检测展开研究：在检测异常相似的感知对象方面， 分 别研究图像区域拷贝和视频帧的篡改检测技术；在检测不一致的变换链方面，分别在图像和视 频部分研究图像局部篡改检测和视频删/插帧检测技术。 本书适合作为高等学校数字图像相关专业研究生的扩展读物，也可作为相关从业人员的参 考书。

《统计工程导论》简要回溯了统计学的现状与历史。对比经典理论提出的历史背景，在当前不断变化的技术手段下，内部需求和外部竞争促使着统计工作者不断的解放思想、与时俱进。面对新形势新问题，除了紧跟上下游学科的先进技术之外，统计学者还应该树立实事求是的观念。统计工程的概念就是在这样的背景下孕育而生。 统计学在我国是一级学科，包括着经济统计、应用统计、数理统计和可能新加入的数据科学等二级学科。统计工程的提出考虑多个二级学科特点，也是探讨从观念上如何将新加入的数据科学融入相关思考。结合多个统计工程项目的实践经验，本书在原有统计分析的业务流程上扩充的工程化相关流程环节，方便读者们衔接统计专业知识。接着，本书建立了工程化的统计产品概念，这是提出统计工程的自然逻辑延续，并以统计产品为目标引领着章节的展开。本书继续发展相关主题，统计产品是以人为主体的工程概念，前沿的工程模式是以数字化为中心的，用户与统计平台相互收益的生态共建形式，统计平台会是统计工程化过程广泛的形式。作为导论，本书没有继续列举更多的工程形式，继续从工程工作的实践出发，介绍传统统计工作中没有被正式提出但是实际工作却无法回避的相关工作，需求分析、项目实施及运维服务。后，本书列举了两个相对完整的统计工程案例。统计工作正在从过去几百年来辅助决策的角色，慢慢转变成科学研究、商业活动和公共事务的高效自动决策中心。从外部看大数据、通信技术等信息技术推断这一变化，但是就统计学科本身来说，统计工程是这一变化的关键变量。希望能引起广大统计同人的认可与共鸣。

本书由资深大数据专家精心编写，循序渐进地介绍了Flink生态系统主流的大数据开发技术。全书共7章，第1章讲解Flink的基础知识，包括Flink应用场景、主要组件、编程模型等，后通过一个单词计数示例带领读者快速体验Flink应用程序的编写；第2、3章讲解Flink的多种运行时架构、任务调度原理、数据分区以及Flink集群的安装部署，同时包括Flink命令行操作、应用程序提交、常用Shell命令等；第4～7章讲解了Flink流式计算DataStream API、关系型计算Table&SQL API以及图计算框架Gelly等的基础知识、架构原理，同时包括常用Shell命令、API操作、内核源码剖析，并通过多个实际案例讲解各个框架的具体应用以及与Hadoop生态系统框架Hive、Kafka的整合操作。 本书内容翔实，实例丰富，适合Flink新手、大数据开发人员阅读，也可作为培训机构和大专院校相关专业的教学用书。

本书既有理论研究，又有实践探讨，共分为6章，讲解了云计算安全中人工智能与大数据挖掘技术的应用实践。第1章从概念、发展、标准等角度宏观地介绍了云计算安全；第2章从云计算安全需求的角度阐释云计算安全的核心目标、公有云场景下的安全需求和私有云场景下的安全需求；第3章全面、系统地介绍了公有云安全技术体系和私有云安全技术体系；第4章详细介绍了人工智能技术在云计算安全领域的应用实践；第5章详细介绍了大数据挖掘技术在云计算安全领域的应用实践；第6章介绍了人工智能和大数据挖掘技术的综合应用，提出云数据中心安全防护框架，并详细介绍了云数据中心安全态势感知系统。 本书是人工智能与大数据挖掘技术在云计算安全领域的应用实践参考书，适用于人工智能、大数据挖掘、云计算、网络信息安全相关领域的从业人员。

本书采用理论与实践相结合的形式介绍了虚拟化与容器的相关知识。全书共7章，包括虚拟化与容器概述、计算虚拟化、存储虚拟化、网络虚拟化、Docker容器技术、Kubernetes微服务技术、桌面虚拟化技术应用。本书内容全面，可操作性强，既可作为高等院校计算机相关专业的教材，也可作为政府信息中心管理员、企业网管、网站与网络管理员、计算机安装及维护人员、软件测试人员、程序设计人员等虚拟化相关从业人员的参考用书。

本书解释、探索了数据挖掘的主要技术，可以从数据中自动提取隐式和潜在有用的信息。数据挖掘越来越多地用于商业、科学和其他应用领域，它侧重于分类、关联规则挖掘和聚类。书中对每个主题都进行了清晰的解释，重点是算法而不是数学公式，并通过详细的有效示例加以说明。本书是为没有强数学或统计学背景的读者写的，并详细解释了使用的所有公式。本书适合作为本科生或研究生层次的教材，适用专业包括计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学。为了帮助读者自学，本书旨在帮助普通读者理解什么是“黑盒”，这样他们就可以有差别地使用商业数据挖掘包，高级读者或学术研究者可以对未来该领域的技术进步做出贡献。书中每一章都有实践练习，让读者检查自己的进度。附录还包括所使用的技术术语的完整术语表。数据挖掘原理包括对流数据分类算法的介绍，包括平稳数据（底层模型是固定的）和依赖时间的数据（底层模型不时变化）——这种现象称为概念漂移。本书提供了前馈神经网络与反向传播的详细描述，并显示它如何可以用于分类。

本书介绍了相似点集挖掘的概念、原理和基本方法，介绍相似点集挖掘算法实验数据集的设计思路，并分别介绍了6个数据集的设计背景、内容安排、组织方式、运用方法等。

数据科学是从单纯的“大”数据提炼出“智慧”的数据，以供人们发现新知识并辅助决策的综合交叉学科．本书简要阐述数据科学的数学基础．全书共11章，内容包括线性代数基础、线性空间与线性变换、向量与矩阵范数、矩阵分解、概率统计基础、随机过程、**化基础、线性规划、常用无约束**化方法、常用约束**化方法以及综合案例．除第11章外，每章都有应用实例与该章内容紧密结合，以进一步加强读者对知识点的理解和掌握．所有的应用实例和第11章综合案例的代码都在Windows操作系统下利用Python 3.7编写，并在交互式解释器IDLE上调试通过．本书可作为高等院校大数据、人工智能等相关专业的教材，也可供从事大数据、人工智能及相关领域教学、研究和应用开发的人员参考．