《数据科学与智能技术概论》涵盖了计算思维与信息处理技术，云计算，大数据，人工智能及应用，虚拟现实、增强现实、混合现实以及游戏开发工具Unity3D等内容。本书每部分内容都经过反复讨论和多次审议，结构紧凑、内容合理且通俗易懂。本书力求让读者理解和掌握全新的数据科学和智能技术知识，具有更广阔的现代化、信息化视野，符合时代发展的需求。 《数据科学与智能技术概论》可以作为高等学校理工科专业的通识课教材，也可作为广大计算机爱好者的自学参考书。

本书是一本为Scala和Spark初学者准备的入门书籍，很适合准备踏入大数据开发领域的新手和其他对此感兴趣的读者阅读。本书在内容上遵循从宏观到微观、由浅入深递进式的讲解方式，涵盖了Spark入门开发所需的Scala基础知识。具体来说，本书按照如下顺序进行介绍。 首先，前三章从宏观上介绍了Scala语言，包括初识Scala、安装Scala及使用Scala Shell工具。 其次，第四章到第十二章是本书的重点，详细介绍了与Spark开发密切相关的Scala语法，包括变量、数据类型、条件语句、代码块、函数、集合、循环、类和包，以及与异常处理相关的内容，每一章都对某个语法点进行深入探索。第十三章介绍了如何把写好的Scala代码进行编译和打包。 后，第十四章介绍了Spark的入门实践，将前面章节所学到的Scala知识运用到Spark开发中。 此外，本书提供了丰富生动的代码示例和章末练习，如果读者能够加以实践并思考，一定会收获颇丰！

本书第1篇阐述了数据产品的特点、分类体系以及对交易市场的要求，分析了当前数据流通市场发展窘境的深刻背景；第2篇集中对数据流通市场运行中的几个关键难点问题进行了深入分析，如数据合规和确权、新型交易方式和定价、交易过程的标准化、数据产品质量评估以及区块链技术、统一产品标识和数据安全技术等；第3篇基于价值网络的五层模型设计了以区块链为基础，以激励通证为核心，以创新服务为产业赋能，以政府主导的多方共治为愿景，以产业联盟为组织形式，促进产业协同发展的新型数据流通市场机制。本书是一部尝试从法律、经济、市场、技术、规制和生态等多方面完整阐述新兴数据资源流通市场发展的论著。作者旨在将本书中的观点和方案分享给数据流通市场的探索者和实践者，以求共同的愿景早日成真。

暂缺简介...

《Visual FoxPro数据库与程序设计能力提升训练》是与VFP程序设计课程的教材《Visual FoxPro数据库与程序设计》相配套的学习辅导书。本书以教学大纲为依据，根据主教材各章的考核知识点和考核要求，按照目前普遍采用的单项选择题、多项选择题、判断题、填空题、程序填空题、程序改错题、程序设计题和窗体设计题等八种题型进行编写，并给出了相应的参考答案，便于学生核对自己的答题结果是否正确，检验学习效果，以便更好地掌握所学知识，提高分析问题、解决问题的能力，为用所学，学有所用。

全书分为九章，引言，大数据治理与大数据服务，大数据治理工作机制，大数据治理现状分析和资源盘点，大数据治理专业能力，大数据服务专业能力，一体化大数据平台，一体化大数据平台 区块链，一体化大数据平台应用场景及典型案例，全面介绍了大数据相关从业人员所需的基本知识、专业能力，并给出了具体案例。

本书主要内容包括：（1） 提出了分布式的随机次梯度投影算法；（2） 提出了异步广播的分布式次梯度随机投影算法；（3） 提出了分布式随机坐标块次梯度投影算法；（4） 提出了分布式随机坐标块条件梯度算法；（5） 提出了量化信息与随机网络拓扑的扩散小均方算法；（6） 提出了分布式随机次梯度在线算法；（7） 提出了差分隐私的分布式随机次梯度在线优化算法；（8） 提出了分布式条件梯度在线学习算法。本书选材广泛、内容新颖，适合数学、控制、计算机等专业的本科生及研究生，适合从事应用数学、计算数学、机器学习等研究领域的科技人员。

近年来，随着数据获取能力的不断提高和计算机的飞速发展，人们获得的数据信息越来越多，数据维数越来越高，如何寻找这些海量高维数据信息中潜在的规律，更好地为人类服务，是目前人工智能面临的挑战之一。 在没有标签信息的情况下，对高维数据实施维数约简的同时进行归类分析，挖掘数据的内在低秩结构，是当前机器学习的一个难点、也是热点之一。谱聚类作为聚类分析的一种，不仅对初始值和数据噪声有更好的鲁棒性，而且实施简单，可以被标准的线性代数方法进行有效求解。因此，基于低秩结构学习的谱聚类理论和方法在机器学习、人工智能、大数据技术方面有着更加广阔的应用空间。本书主要研究了基于低秩结构学习的谱聚类理论与方法，从矩阵和张量两方面进行研究。重点关注紧凑低秩表示学习、鲁棒的无监督特征选择学习、图正则化低秩因子分解学习、张量低秩稀疏表示学习和增强的张量低秩表示学习等，理论分析了这些基于低秩结构的表示学习方法优化过程、复杂度、收敛性等，实验结果表明了这些方法在谱聚类方面的优越性。

国家大数据战略的实施推动了医学大数据的快速发展，如何利用大数据分析技术发掘医学数据中的潜在价值对于推动医学研究的进步、全面实施健康中国战略、满足人民群众健康医疗需求都具有重要促进作用。《医学大数据分析》以面向医学领域研究问题需求的数据分析方法为主线，以培养医学生的数据思维能力为目标，以全新的视角组织内容，突出数据分析方法和医学应用实践相结合的方式深入讲解医学大数据处理和分析的基本知识和实现技术。《医学大数据分析》分为15章，内容包括医学大数据概述、常用大数据工具、医学大数据的获取、数据预处理、数据降维、回归分析、关联规则分析、分类方法、聚类方法、时间序列分析、人工神经网络与深度学习、马尔科夫预测、医学文本数据分析、医学图像大数据分析、医学信号数据分析。《医学大数据分析》既注重思维培养，又兼顾应用需求，在通俗易懂的前提下，追求知识体系的系统性，尽可能展示新技术在医学领域的应用。本书可以作为高校医学生大数据分析类课程的教材使用，也可供对医学大数据分析感兴趣的专业技术人员阅读。

本书主要介绍大数据分析与应用，包括数据驱动程序设计、数据前处理、统计机器学习基础、无监督式学习、监督式学习、其他学习方式（集成学习、深度学习、强化学习）等6章内容。 本书特色：文字说明、程序代码与执行结果等交叉呈现，有助于阅读理解；提供来自不同领域的资料处理与分析范例；同时掌握数据分析两大主流工具—— R 与 Python；凸显第四代与第三代程序语言的不同之处。 本书读者对象：计算机、人工智能、大数据等相关专业的本科生、研究生，对大数据分析与应用感兴趣的社会读者，以及大数据分析与应用行业的工程技术人员。