本书由管理科学概论、线性规划引论、线性规划问题的计算机求解及应用举例、线性规划问题的进一步讨论、线性规划灵敏度分析、运输问题与指派问题、目标规划、整数规划、图与网络规划、非线性规划、决策分析、回归分析共12章构成。本书可作为MBA教材，也可作为高校经济管理类专业本科生、研究生或系统工程、工业工程等专业本科生或研究生的教学参考书。

本书以SQL Server 2019的功能为中心，融知识、能力和素质教育于工程项目“教学管理系统”这一设计案例中，深入浅出地讲述数据库技术的内在机制和操作规范。本书将整个数据库知识体系分为原理（第1～3章）、应用（第4～12章）与开发（第13章）3个模块，保证学生在掌握必要的数据库原理知识的基础上，具备熟练操作数据库的能力和开发数据库应用系统的技能。各模块既能自成体系，又能自然衔接，从而满足不同专业的教学需求。本书每章附有练习题，供读者课后练习和综合实践使用。本书为慕课版教材，各章主要内容配备了以二维码为载体的微课。本书既可作为应用型本科院校计算机类、电子信息类和经济管理类等相关专业的“数据库原理与应用”类课程的教材，又可作为研究生相关专业的数据库技术教材，对于从事软件开发、信息管理的人员也有一定的参考价值。

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。

本书讲述Microsoft Access 2016数据库管理系统的基本功能和使用技巧。全书共分为9章，内容包括Access 2016快速入门，数据库的创建与使用，表的创建与使用，查询的种类及其创建方法，窗体的创建与使用，报表的设计与打印，数据宏的创建与使用，模块和VBA编程等；最后一章综合运用全书所学内容，创建一个数据库管理系统。

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、国际商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者通过学习本书内容，切实提高可视化分析的技能。

本书以数据思维为主题，以数据分析全流程为主线，融合了与数据思维相关的编程语言、统计学基础及案例分析等内容，全书分为4 篇，囊括了数据思维的概念和培养方法、数据来源及体系建设、数据分析三大思维方式及用户流失、用户转化实战等共11 章的内容。本书囊括了数据分析中常用的分析方法，包括经典的海盗（AARRR）模型、麦肯锡的MECE 模型、逻辑树、漏斗分析、路径分析、对比分析、A/B 试验、RFM 模型、K-Means 算法、5W2H 等分析方法，还包括各类方法的实践案例及Python 实操项目。可以说本书是数据分析方法论与统计学知识、编程语言及应用案例的完美结合。 本书适合工作了1～3 年的初级数据分析师；已经掌握了数据分析工具，需要培养数据思维的转行人员；数据科学行业的人力专家和猎头等。

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。