本书从Power BI的基础功能讲起，逐步深入到Power BI进阶实战，以系统化的实操步骤和丰富的实际案例让读者快速入门Power BI数据分析，掌握Power BI在多个业务领域的实际应用。全书共8章：商业智能与数据分析概述；Power BI简介；数据分析与可视化制作全过程；Power BI数据预处理；Power BI数据建模；Power BI数据可视化；Power BI在线服务；Power BI数据分析实战案例。本书通俗易懂、循序渐进、内容全面、讲解详细，配备全套数据集、数据文件、教学课件和学习视频，既适合读者自学Power BI数据分析与可视化，也适合作为大专院校教材，更适合从事销售、产品、电商运营、仓储物流、财务管理、人力资源等岗位的职场人士提升技能。

本书安排了两个数据库案例作为主线：“学生选课系统”为教学案例主线，“网上销售系统”为学生动手实践主线，结合这两个案例详细讲解了MySQL的数据库设计、数据操纵、数据库编程技术和数据库管理。本书可作为高职高专计算机应用专业、软件专业以及计算机网络技术专业的《数据库技术》课程教材，也可作为非计算机专业人员的数据库学习教材。

本书对数据挖掘中常用的建模算法进行系统介绍，内容涵盖了数据预处理、关联规则挖掘、聚类分析、决策树及组合算法、贝叶斯分类、支持向量机、人工神经网络等。在阐述每种算法基本理论的基础上，同时给出基于R软件的应用方法。这种理论与应用相结合的方式为读者理解和运用这些方法提供了坚实的基础，有助于读者由浅入深、循序渐进地理解相关内容并用以解决实际问题。

本书针对单工作位置环境下主动服务能力不足的问题，在国家自然科学基金项目的资助下，以山东大学曾广周教授提出的迁移工作流系统框架为基础，研究了一类面向目标的迁移工作流主动服务方法，包括面向目标的迁移工作流主动服务环境构建方法、部分可观测环境下迁移工作流服务导航方法、面向目标的迁移工作流资源服务推荐方法和迁移工作流多服务主体收益分配方法，并通过实验对研究成果进行了验证和分析。 本书可作为从事相关领域研究的硕士研究生、博士研究生及科研人员的参考书。

Hadoop是当前热门的大数据处理与分析平台。《Hadoop大数据开发基础项目化教程》将大数据平台相关内容划分为8个项目，分别是大数据时代、Hadoop基础环境、Hadoop环境搭建、分布式存储HDFS、MapReduce分布式编程、Hadoop数据仓库Hive、Hadoop数据库HBas、协调系统Zookeeper，每个项目按照知识点拆解分为相关的多个任务，每个任务都有详细的操作步骤实现，由浅入深、将理论和实践相融合，循序渐进地介绍Hadoop集群的相关知识点，使读者能够学以致用，融会贯通，快速理解和掌握。本书可作为高职高专院校大数据技术及应用等计算机相关专业的教材使用，也适用于应用型本科院校数据科学与大数据、大数据管理与应用等专业的师生使用，还可供大数据零基础的初学者入门和进阶、大数据相关领域的广大程序设计人员参考。

本书是配合《Access数据库技术及应用（第二版）》（吕英华主编，科学出版社）编写的实验指导教材。本书分为“图书管理系统”和“工资管理系统”两篇，设计了16个实验，每个实验都分成多个实验任务，并按照实验目的、实验要求、实验步骤的结构阐述，突出Access的实际应用，使学生掌握开发数据库应用系统的方法和过程。本书实践性强，脉络清晰，内容丰富，通俗易懂，可作为高等院校非计算机专业的Access基础实训教材，也适合参加全国计算机等级考试（Access）的读者使用。

本书是为所有热爱大数据、打算从事大数据相关工作的读者编写的，适合有Java编程基础的学习者参考使用。本书全面介绍了大数据技术生态圈，更在此基础上全景展现了Hadoop大数据分布式系统集群平台的搭建、大数据分布式文件系统HDFS、大数据分布式并行计算框架MapReduce、Hadoop大数据仓库工具Hive和海量日志采集工具Flume等大数据实用技术。本书通俗易懂、结构清晰，着重于分析解决问题的思路和具体实施过程。本书适合作为高等院校计算机相关专业的程序设计教材，也可作为Hadoop技术的培训图书。

本书详细介绍了数据库创建、管理数据库及数据库对象；掌握对数据库进行插入、修改、删除和查询操作，实施完整性、保护数据安全技术；根据需要对数据库进行日常维护与管理，并快速掌握基于C/S和B/S结构的数据库应用系统的开发技术。

本书以常见的数据分析与大数据应用方法为主线，按照数据采集、数据存储与管理、数据预处理、数据分析与挖掘的逻辑关系分析大数据时代应如何采用量化方法分析经济问题。本书在定性分析的基础上，采用大量的实例和软件操作插图来直观地解释大数据分析方法的原理和应用，为读者提供“一站式”服务。同时，通过对线性回归、逻辑回归等计量方法，主成分分析、聚类分析等统计方法，以及神经网络、决策树、随机森林等机器学习方法的学习，实现大数据背景下传统计量、统计学数据分析方法向人工智能、机器学习方法的过渡。

MySQL是流行的关系型数据库管理系统之一。书中从数据设计和数据库的基本使用开始介绍，逐步深入一些复杂的内容，包括连接查询的使用、子查询、字符串函数、数字函数、日期函数以及新版本的窗口函数，还包括存储过程、游标、创建高效的索引以及SQL优化技巧等。通过大量的示例应用，系统地讲述读者应该掌握的知识，以及对于数据库的优化，其中包括MySQL的架构以及MySQL 8的新特征，也包含MySQL基准测试和性能剖析，数据库软硬件性能优化，内存优化，复制、备份和恢复，高可用与高可扩展性，尤其对于MySQL中各种锁机制以及MySQL的MVCC的核心原理都一一通过理论和大量的示例进行解析，以方便读者理解。