主要内容：●云计算和虚拟化基础知识，数据中心的发展历程、主要特点及未来的发展趋势。●数据中心建设中有关基础环境方面的相关技术和标准，包括数据中心的选址、功能区划分、布线系统、供配电系统、空调系统、防护系统、监控系统，以及模块化机房建设等内容。●数据中心的网络子系统，包括数据中心网络的规划与设计、数据中心主要网络设备的工作原理、市场上针对数据中心的主流网络产品、数据中心网络的新技术及发展趋势。●数据中心的计算子系统，包括两种不同计算架构的主要特点、服务器相关技术，以及计算虚拟化技术和产品。●数据中心的存储子系统，包括存储基本技术和RAID、三类主流存储系统、企业级存储技术、存储虚拟化技术，以及数据备份和容灾技术。数据中心的安全子系统，包括数据中心安全概述、云数据中心面临的主要安全威胁、在数据中心部署的主要安全产品，并通过实际案例介绍如何构建数据中心安全整体解决方案。● 数据中心运维工作的重要性，从基础环境、网络、计算、存储、安全等不同方面介绍了相关运维技术，以及运维技术的发展趋势。

本书涵盖了使用统计分析和数据科学方法对财务数据进行建模和分析的方法。第1章概述了金融市场，描述了市场运作并使用探索性数据分析来说明金融数据的性质。第2章介绍了探索性数据分析的方法，尤其是图形方法，并在实际财务数据上进行了说明。第3章介绍了可用于财务分析的概率分布，特别是重尾分布，并介绍了计算机模拟财务数据的方法。第4章介绍了统计推断的基本方法，尤其是在分析中使用线性模型，第5章介绍了时间序列的方法，其中特别强调了适用于财务数据分析的模型和方法。附录还描述了如何使用R从互联网获取当前财务数据。

随着信息、互联网、社交媒体、卫星定位、基于位置的服务（Location Based Services，LBS）等技术的发展，轨迹数据领域迎来了大数据时代。在轨迹大数据背景下，轨迹数据分析的关注度得到持续攀升，它能够借助移动对象的时空特征和移动行为信息发现新知识和模式，从而为智慧城市计算与服务、交通管理与规划、物流管理、智能制造、旅游路径推荐、自然灾害预测与预警、疫情传播监测等诸多领域提供决策支持与服务。本书以轨迹数据相关分析及挖掘技术为主要研究对象，针对轨迹大数据背景下轨迹数据的特征及分析需求，对数据噪声处理、特征提取、相似性度量、参数依赖及复杂轨迹聚类等问题开展了深入研究。 本书可供从事大数据、数据挖掘、机器学习、轨迹数据分析等相关领域的科研及工程人员参考，也可作为高等院校计算机、软件工程及自动化、信息与通信工程等专业的本科生和研究生的学习参考书。

本书用阿里云Quick BI做示例，帮助读者掌握如何使用数据可视化工具分析财务指标，理顺管理思路，找出关键结论。通过本书，读者将学会制作追踪资产周转率的仪表板，选择适合的图表展示现金的流入、流出，分析企业的利润构成与盈利能力，实现成本管理可视化，利用综合指标对销售业绩进行监控、告警等，并且学会如何基于Quick BI门户和电子表格搭建财务在线分析与协作工作台，以及进行大型企业业财分析体系的整体规划。通过学习本书，初入职场的会计人员有望迅速在财务部门崭露头角，成长为可以为财务总监准备年终汇报材料的“斜杠青年”！本书配有案例源文件、PPT教案，以及案例制作过程视频。若需要Quick BI的免费试用版，可在阿里云网站搜索“Quick BI”获得。

本书介绍了超级计算机算力和AI算力的异同，从CPU流水线开始，描述主要的众核处理器架构和功能部件设计。在GPU和NPU等加速器部分，介绍了GPU为何能从单纯的图形任务处理器变成通用处理器。GPU在设计逻辑、存储体系、线程管理，以及面向AI的张量处理器方面成为最近几年全世界科技行业最瞩目的明星。本书对华为等厂商推出的NPU芯片设计也做了架构描述，中国也拥有独立自主知识产权的高算力芯片，并且支持多芯片、高带宽互连。本书也回顾了近20年来主流的CPU、GPU芯片架构的特点，介绍了存储与互连总线技术，即大模型专用AI超级计算机的中枢核心。

本书采用先理论方法后实践应用的方式进行撰写，系统介绍了投影寻踪基本原理、统计学习方法及其多场景应用案例，为多方法耦合提供新思路，为复杂数据挖掘提供新方法，为数据科学问题解决提供新应用。全书内容包括投影寻踪研究进展综述、投影寻踪耦合学习原理、投影寻踪耦合学习算法、投影寻踪聚类耦合学习、投影寻踪回归耦合学习、投影寻踪函数型耦合学习、投影寻踪耦合学习评价、投影寻踪耦合学习预测和投影寻踪耦合学习决策。本书可作为统计学习、数据科学和工程应用方向的研究及实践工作者的学习参考书。

统计学是在概率论基础上发展起来的一门应用数学的学问。在自然科学、工程学、社会学、人文学、军事学等诸多应用领域，凡是涉及数据的收集、处理、分析、可视化和解释等方面的问题，都是统计学大显身手的舞台。统计学既是应用数学的一个分支，又是一门推断的艺术，其中不乏有哲学思辩和信念差异。来自不同学派的观点相互碰撞，使得统计学在二十世纪飞速发展。今天，借助计算机的帮助，人们可以从各个角度探索数据的本质。然而，我们仍需时刻提醒自己，在算力之上，精巧的算法永远重要。本书延续了《随机之美》的写作风格，以二十世纪最伟大的两位统计学家罗纳德·艾尔默·费舍尔和耶泽·内曼为故事的主角，介绍了现代统计学的一些主要成果。这两位统计学大师同属频率派，均为贝叶斯主义的反对者，然而二人之间也有过很多饶有趣味的学术之争，至今对我们仍有启发。二十一世纪是人工智能和大数据的时代，统计学和计算机科学应该如何结合才能互惠互利？如何站在人工智能的角度看待数据和数据分析？还有很多统计应用的问题值得我们深思。作者希望通过此书唤起普通读者对统计学的兴趣，用它去推动人工智能、大数据分析的发展。这本书也是统计机器学习的入门，帮助读者从经典统计学顺利过渡到这个新兴领域。

本书包括导论以及对齐（Align）、细化（Refine）、设计（Design）三章。通过将业务术语、逻辑和物理三个建模层次重命名为对齐、细化、设计，在名称中包含了该层次所做的工作。导论介绍了数据模型的三个特征——精确性、最小化和可视化；数据模型的三个组件——实体、关系和属性；数据模型的三个层次——业务术语（对齐）、逻辑（细化）和物理（设计），以及数据建模的三个视角——关系、维度和查询。第1章对齐是关于通用业务术语的，以便每个人都能在术语和总体计划范围上保持一致。第2章细化是关于搜集业务需求的，即完善我们对项目的了解，专注于关键业务要点。第3章设计是关于技术需求的，即针对独特软硬件需求进行模型设计。对齐、细化和设计，这就是本书遵循的方法，并通过“宠物之家”案例对概念加以强化。本书适合需要将建模技能扩展到MongoDB的数据专业人员，或者熟悉MongoDB但需要提高模式设计技能的技术人员。

Elasticsearch是一款高性能的文档数据库，广泛应用于分布式搜索和分析引擎等相关领域，本书首先介绍了数据建模的通用设计原理，然后针对Elasticsearch 介绍了文档数据库建模的特点和要求，例如和设计模式有关的实现、注意事项，以及实践过程中的注意点等。本书的两位作者，一位是资深的Elasticsearch 专家，一位是建模领域的大师，联合为读者呈现了这本著作。如果你是一名希望扩展Elasticsearch 建模技能的读者，或者是一名了解Elasticsearch 但需要提高模式设计技能的从业人员，推荐阅读本书。

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。