k-均值问题是经典组合优化问题， 也是著名的NP-难问题之一， 相应的Lloyd算法是数据挖掘的 十大经典算法之一. k-均值问题在人工智能、数据挖掘、理论计算机科学、运筹学和管理科学中有 着广泛的应用. 本书介绍k-均值问题及其变形的基于随机抽样、降维、核心集、近似质心集、局部 搜索、线性规划舍入等技术的近似算法. 主要内容包括： 经典k-均值问题的近似算法， k-中位， 球面 k-均值， 鲁棒k-均值， 带约束的k-均值， 隐私保护k-均值， k-均值的其他变形等.

本书重点介绍Amos、Mplus 和SmartPLS 统计软件里的结构方程分析方法。包括结构方程模型路径图的构建与数据的收集，结构方程模型的识别、分析结果评价及修正，反映型指标、形成型指标与二阶段分析，调节效应分析、中介效应分析、多群体差异分析与潜在平均分析，以及结构方程模型高级的分析方法即贝叶斯检验、混合回归分析、潜在成长模型、MTMM 模型等内容。没有复杂的理论推导，而是结合作者自身的教学与科研实践，以数据为依托，深入浅出，使读者能在短时间内理解并掌握结构方程模型分析方法，进而应用到自己的研究实践中。

《物联网大数据分析实战 》详细阐述了与物联网大数据分析相关的基本解决方案，主要包括物联网分析和挑战、物联网设备和网络协议、云和物联网分析、创建AWS云分析环境、收集所有数据的策略和技术、探索物联网数据、增强数据价值、可视化和仪表板、对物联网数据应用地理空间分析、物联网分析和数据科学、组织数据的策略、物联网分析的经济意义等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

本书旨在为有兴趣更好地理解数学和统计的学生提供一个可访问的、全面的教科书，这些数学和统计知识是数据科学和机器学习算法的基础。

大数据是推动创新型国家建设的重要战略资源。《大数据分析研究进展》从机器学习、可视分析、知识处理、数据挖掘等角度出发，详细讨论了大数据分析的相关基础理论和技术方法，主要包括：大数据机器学习理论与方法，大数据可视分析理论与方法，多源不确定数据挖掘方法与技术，自动深层化知识处理方法与技术，大数据分析平台、标准与应用示范等。《大数据分析研究进展》总结了部分代表性工作，并呈现给读者。

本书介绍了NoSQL数据库生态圈体系，包括Redis、MongoDB和HBase，内容涉及开发、运维、管理与架构。“第1篇 基于内存的NoSQL数据库”（第1～5章）包括：内存对象缓存技术Memcached、Redis基础、Redis高级特性及原理、Redis集群与高可用和Redis故障诊断与优化。“第2篇 基于文档的NoSQL数据库”（第6～10章）包括：MongoDB基础、操作MongoDB的数据、MongoDB的数据建模、MongoDB的管理和MongoDB的集群。“第3篇 列式存储NoSQL数据库”（第11～15章）包括：HBase基础、部署与操作HBase、HBase原理剖析、HBase的高级特性和监控与优化HBase集群。

本书分为以下几个主要部分：第 1-3 章介绍方法和技术。在这些章节中，我们描述了一种性能调优方法。还提供了一些关于 MongoDB 架构和 MongoDB 提供的用于调查、监控和诊断 MongoDB 性能的工具的背景知识。第 4 章和第 5 章介绍应用程序和数据库设计。第 6-10 章介绍应用程序代码的优化。第 11-14 章讨论MongoDB 服务器及其运行硬件的优化。

本书围绕新工科背景下大数据人才培养需求编写，系统介绍了大数据采集与预处理、大数据存储与管理、大数据处理与分析、大数据可视化处理流程；重点分析了科大讯飞大数据平台在政务、交通、金融和用户画像等实际场景中的应用，还介绍了大数据实验环境的详细搭建步骤；最后介绍了大数据治理中法律政策、行业标准建设的最新进展，分析了大数据可能带来的伦理风险和应对策略。本书将大数据基础理论与实际案例结合，辅以编程实践和有针对性的课后习题，可作为高等院校相关专业的导论课教材，也可作为大数据相关从业人员技术参考书。

本书介绍Kafka的技术原理和应用技巧。内容包括如何安装和配置Kafka、如何使用Kafka API、Kafka的设计原则和可靠性保证，以及Kafka的一些架构细节，如复制协议、控制器和存储层。本书列举了一些非常流行的Kafka应用场景，比如基于事件驱动的微服务系统的消息总线、流式处理应用程序和大规模数据管道。通过学习本书，你不仅能够深入理解这项大数据核心技术，还能够将所学知识付诸实践，在生产环境中更好地运行Kafka，并基于它构建稳健的高性能应用程序。

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。