本书讲述了数据库技术的发展史，从数据和数据库始，到区块链和大模型止，全面介绍了数据库技术的发展历程，包括数据库领域天才科学家、产品先行者的贡献，以及中国数据库的探索和发展格局，并试图对中国数据库的根社区发展、数据库架构演进方向做出推导和建议。本书深入浅出地探讨了数据库发展过程中的关键技术、核心挑战，以及那些引人入胜的趣闻轶事。同时，书中还对数据库行业内的典型企业进行了细致的分析。通过阅读本书，读者不仅能领略到技术的魅力，还能从中汲取关于个人职业发展和企业产品研发的宝贵启示。此外，本书通过对数据库历史上成功与失败的企业案例剖析，还为读者提供了技术与商业融合的宝贵经验。本书不仅适合对数据库技术感兴趣的读者，也非常适合作为本科生和研究生的教材，帮助他们深入了解数据库行业的发展历程。

数据是数字经济的关键生产要素与核心资源。数据要素市场的培育是一个动态演化和持续迭代的过程，而信任的建立是市场建设的关键一步。本书通过“信任”这一视角，对数据流通进行全方位的解读，对中国数据要素市场的建设实践进行回顾与展望。基于“TIME”分析框架，对数据可信流通技术、数据流通机构、可信的数据流通模式以及促进数据可信流通的治理方案进行全面系统的介绍。本书旨在为数据要素市场参与者、数字经济从业者、数据治理人员以及关注数据流通交易的读者提供实用的参考，帮助他们理解数据流通的可行模式，破解数据要素市场发展难题，充分释放数据要素流通潜力，赋能实体经济高质量发展。

本书以实际案例和具体应用为驱动，以培养科研统计思维为目标，借助 SPSS，系统地讲授了差异显著性检验、方差分析、相关性分析、回归分析、聚类分析、主成分分析，以及结构方程模型的概念、原理和具体使用。全书共 8 章。第 1 章系统地讨论了科研统计思维及统计分析的相关概念，并以量化类典型论文为例抛出统计思维的核心问题。第 2 章介绍了数据的规范化及预处理，重点讲解了基于数据做论证所必需的前置操作。第 3 章介绍了统计描述及数据加工。第 4 章讲解了差异显著性检验。第 5 章介绍了方差分析及其高级应用，阐述了单因素方差分析、多因素方差分析、协方差分析、多因变量方差分析等内容，以及事后检验、均值边际图等高级应用的相关知识。第 6 章介绍了关联性分析技术和回归分析。第 7 章讲解了聚类分析技术。第 8 章介绍了因子分析与降维，主要讨论了探索性因子分析和验证性因子分析（结构方程模型）等方法。本书可作为量化研究相关专业本科生、研究生，以及大中专院校学生的教学用书，还可作为有志于了解量化研究方法和科研统计思维的科研人员、工程技术人员以及商务人员的参考用书。

《极速Python：高性能编码、计算与数据分析》系统性地介绍了Python高性能编程的各种工具和方法，并重点讲解了Python在大数据中的应用。书中配有清晰的示例和详实的分析，可帮助读者熟练掌握NumPy和Pandas，实现高性能的数据存储和I/O。本书高屋建瓴、不留遗漏，读者学习本书后，能从代码到架构对系统进行整体优化。 主要内容 ● 使用Cython重构关键代码。 ● 设计健壮的数据结构。 ● 精简不同架构的代码。 ● 实现Python GPU计算。

本书以实战案例为主线，以函数理论基础为核心，引导读者从整体上理解Power Query的灵活应用，从实例中获得解决问题的思路和灵感。 本书共24章，分为原理篇、实战篇、函数篇、扩展篇，详细讲解了PQ的原理和函数应用。原理篇详细讲述三大数据结构（简称为三大容器）的原理和M函数的传参，实战篇通过案例讲函数，函数篇按照类名讲函数，扩展篇讲解自定义函数等灵活的应用。 本书的特点是，举一反三把逻辑原理讲透、用类比法强化记忆、案例配套在线视频。不管使用Excel还是PQ处理数据，不仅要求快，更要准确，本书列举了许多数据处理的思维和细节，提醒读者避坑。 本书面向会PQ界面操作的用户，作为从基础到中级水平的进阶参考书。

XGBoost是一种经过行业验证的开源软件库，为快速高效地处理数十亿数据点提供了梯度提升框架。首先，本书在介绍机器学习和XGBoost在scikit-learn中的应用后，逐步深入梯度提升背后的理论知识。读者将学习决策树，并分析在机器学习环境中的装袋技术，同时学习拓展到XGBoost的超参数；并将从零开始构建梯度提升模型，将梯度提升扩展到大数据领域，同时通过计时器的使用了解速度限制。接着，本书重点探讨XGBoost的细节，着重于速度提升和通过数学推导导出参数。通过详细案例研究，读者将练习使用scikit-learn及原始的Python API构建和微调XGBoost分类器与回归器；并学习如何利用XGBoost的超参数来提高评分、纠正缺失值、缩放不平衡数据集，并微调备选基学习器。最后，读者将学习应用高级XGBoost技术，如构建非相关的集成模型、堆叠模型，并使用稀疏矩阵、定制转换器和管道为行业部署准备模型。本书适合作为高等学校计算机专业、软件工程专业的高年级本科生及研究生教材，同时适合有一定机器学习基础的数据科学家、机器学习工程师和研究人员阅读，可为解决复杂的机器学习问题提供实用指导。

当应用于大型分布式数据集时，标准算法和数据结构可能会变慢或完全失效。选择专为大数据设计的算法可以节省时间、提高准确性并降低处理成本。《漫画算法与数据结构（大规模数据集）》将最前沿的研究论文提炼为实用的技术，用于绘制、流式传输并组织磁盘和云中的大规模数据集，十分独特。大规模数据集的算法与数据结构为大型分布式数据引入了处理和分析技术。《漫画算法与数据结构（大规模数据集）》作为指南，包含了行业故事和有趣的插图，使复杂的概念也易于理解。在学习如何将强大的算法（如Bloom 过滤器、计数最小草图、HyperLogLog和LSM树）映射到你自己的用例时，将对真实世界的示例进行探索。主要内容：● 概率草图数据结构● 选择正确的数据库引擎● 设计高效的磁盘数据结构和算法● 大规模系统中的算法权衡● 有限空间资源下的百分位数计算Python、R和伪代码中的示例。

全书围绕IKCEST国际大数据竞赛，即IKCEST“一带一路”国际大数据竞赛暨百度&西安交大大数据竞赛展开，针对每次比赛内容进行深度解析，从任务、基础到冠军模型，以理论和代码相结合的方式，全流程深度剖析比赛过程。九次竞赛题均关注当年的热点领域和方向，分别是“人物关系”知识挖掘、提取子句中的核心实体、宠物分类、商家招牌分类、基于卫星遥感影像和用户行为的城市区域功能分类、高致病性传染病的传播趋势预测和基于车载影像的实时环境感知、“一带一路”重点语种法俄泰阿与中文互译、社交网络中多模态虚假信息甄别，涵盖了社交网络、计算机视觉、自然语言处理等大数据应用的热门领域。本书可作为全国高等学校大数据及相关专业的教材，也可作为感兴趣的读者了解IKCEST国际大数据竞赛的参考书。

K线图已经成为金融交易平台和图表程序的关键组成部分。使用这些图表，交易者们从中学习基础模式，用于解释价格走势历史，并预测未来市场。这本详细的指南向投资组合经理、量化分析师、策略师和分析师展示了如何使用Python来识别、扫描K线图模式，根据模式进行交易，并回测K线图模式的盈利能力。金融作家、交易顾问和机构市场策略师Sofien Kaabar在本书中展示了如何创建K线图扫描器和指标，通过这些指标，我们可以比较不同模式的盈利能力。通过这本实践指南，你还将探索一种类似K线图的新型图表系统，以及从未介绍过的新模式。通过这本书，你将学会：创建并理解经典和现代K线图模式所需的条件。学习这些模式背后的市场心理。使用一个框架来学习如何进行交易策略的回测。探索不同的图表系统并理解它们的局限性在Python中导入不同时间框架的OHLC历史外汇数据。使用算法发现和再现模式。学习模式的特性和应用。

本书根据各个公司的SQL复杂查询面试题进行编写，可以更好辅助读者进行针对性的学习。尤其每个SQL复杂查询面试题都通过步骤的形式进行解读，而非直接摆出一个答案。对比答案而言，解题思路更为重要。希望学习本书之后，读者可以拥有一份自己针对复杂查询的解题思路。本书共13章，分别对应SQL语句的查询基础、多表联查、元数据的查询与管理、字符串的查询与处理、数字的查询与处理、日期的查询与处理、JSON和XML的查询与处理、结果集的查询与处理、视图与临时表、存储过程与预编译语句、触发器与自定义函数、事务与锁、数据库备份、复杂查询面试题等相关内容。作者精心设计多种案例与复杂查询题目，非随意摆出的“难题”，而是基于工作时积攒的业务场景。本书适合初学者入门，适合准备开始面试的学生进行面试准备，适合开发多年却仍然对复杂查询心有余悸的程序员，并可作为高等院校和培训机构相关专业的教学参考书。