《TensorFlow 2.x深度学习从入门到实战》是作者研究和实践人工智能算法的经验总结。本书通过图表、案例和示例代码相结合的方式，介绍TensorFlow 2.x框架的相关知识，帮助读者打好扎实的人工智能理论基础，并将理论付诸实践，通过“干中学”的方式全面掌握复杂的算法理论。 《TensorFlow 2.x深度学习从入门到实战》共3篇。第1篇“TensorFlow基础”，主要介绍TensorFlow 2.x的基本开发方法及其重要接口的使用方法，让读者对其有较为全面的了解。第2篇“TensorFlow进阶”，详细介绍TensorFlow 2.x的高级开发功能，以及如何使用它开发基于深度学习的神经网络。第3篇“TensorFlow实战”，详细介绍TensorFlow 2.x在增强学习和GAN两个专业领域的强大应用，以及其最新调用接口和开发模式，帮助读者有效地将其应用到具体的项目实践中。 《TensorFlow 2.x深度学习从入门到实战》内容丰富，讲解透彻，适合对人工智能感兴趣的人员阅读，尤其是需要学习TensorFlow 2.x深度学习框架的入门与进阶人员，另外还适合相关培训机构作为培训教材使用。

本书主要介绍基于视觉的YOLO框架的技术原理和代码实现，并讲解目标检测领域中的诸多基础概念和基本原理，在YOLO框架的基础上介绍流行目标检测框架。本书分为4个部分，共13章。第1部分介绍目标检测领域的发展简史、主流的目标检测框架和该领域常用的数据集。第2部分详细讲解从YOLOv1到YOLOv4这四代YOLO框架的网络结构、检测原理和训练策略，以及搭建和训练的YOLO框架的代码实现。第3部分介绍两个较新的YOLO框架——YOLOX和YOLOv7，着重讲解其设计理念、网络结构和检测原理。第4部分介绍DETR、YOLOF和FCOS在内的流行目标检测框架和相应的代码实现。本书侧重目标检测的基础知识，包含丰富的实践内容，是目标检测领域的入门书，适合对目标检测领域感兴趣的初学者、算法工程师、软件工程师等人员学习和阅读。

在数据科学研究过程中，能快速解决问题是一项不可或缺的能力。但是数据科学面临的复杂性在于，随着大数据采集的数据量越来越大，以及最优解算法越来越复杂，很多算法面临着运行非常耗时，有时甚至在现有的资源情况下不可解的状况。此时，需要数据科学家发挥工程师思维，使用一些计算量小的近似方法，在节省时间和计算资源的前提下，得到不错的结果，这些方法可以称为启发式方法。本书聚焦“启发式方法”这个主题，分5个部分进行介绍。第1部分概述了各种类型的启发式方法；第2部分侧重于面向数据的启发式方法及其在数据科学问题中的应用；第3部分诠释了面向最优化的启发式方法，以及它们如何解决具有挑战性的最优化问题；第4部分是讲解如何设计和实施新的启发式方法，以解决特定问题的相关内容；第5部分介绍了关于启发式方法的其他主题，如透明度和局限性等。本书适合从事和计划从事数据科学领域相关工作的读者阅读。

本书是PySpark大数据分析的入门读物，适合有一定Python基础的读者学习使用。本书基于最新版本的PySpark 3.4.x编写，全书共11章，系统地介绍了PySpark大数据分析的方法和技巧，内容涵盖了大数据的相关技术、PySpark的基本概念、Spark环境搭建、数据分析的基本概念及相关工具、开发工具的选择、Spark核心编程和Spark SQL操作等基础知识和核心技术，以及Spark流式数据处理、Spark机器学习库MLlib和基于协同过滤的图书推荐系统等高级主题。本书通过多个实战案例，带领读者掌握使用Python和Spark进行大数据分析的方法和技巧，从而提高读者的数据处理能力和业务价值。 本书内容全面、示例丰富、讲解清晰，读者可以直接应用书中的案例。本书适合自学，也可作为计算机、软件工程、数据科学与大数据等专业的教学参考书，用于指导大数据分析编程实践，还可供相关技术人员参考。

全书主要分为三部分介绍Redis。第1部分介绍Redis6中使用的数据结构，包括动态字符串、跳跃表、压缩列表、字典、整数集合和快速链表，详细介绍其基本结构及常见操作。第二部分为本书核心篇章，首先介绍了Redis6的启动流程，命令解析流程，之后对Redis6中的命令实现进行了全面的介绍，包括键命令、字符串命令、哈希表命令、列表命令、集合及有序集合命令、地理位置相关的GEO命令、统计相关的HyperLogLog命令。第三部分，主要介绍了Redis6的一些特性及使用，包括事务、持久化、主从复制以及集群等。

本书是一部通过提供一套易于遵守及操作的方法论来实现高质量数据管理的实践指南。内容全面、详细，并有许多实用的建议和模板，第1版推出后，已成为全球信息质量实践者的书籍，甚至已成为美国阿肯色大学信息质量研究生项目的教科书。本书共7章，内容包括数据质量和依赖于数据的世界、数据质量实践、关键概念、十步法流程、设计项目结构、其他技巧和工具，以及写在最后的话。作者将信息质量的概念框架与改善信息质量的技术、工具、操作指南相结合，提出并详细描述了获取高质量数据和可信信息的十步法。作为本书的最新改版，作者进一步阐明并更新了流程步骤和支持模板，整合了一些有价值的示例和案例，说明了近些年技术和数据生产的演变。本书内容丰富，理论和实践相结合，易读性和可操作性强，可以作为数据质量管理的入门和进阶用书，还可作为数据治理、信息技术、数据分析等领域人员的参考用书，也适合任何试图找到完善、实用且有效的书面建议来实现高质量数据的团队或个人。

《从零开始学Power BI商业数据分析（视频教学版）》从Power BI的基础知识讲起，然后逐步深入Power BI的进阶提升知识，最后配合项目实战案例，展示如何使用Power BI进行数据清洗、数据统计和数据可视化等相关操作，从而帮助零基础的数据分析人员快速上手。《从零开始学Power BI商业数据分析（视频教学版）》共10章，分为3篇。第1篇“基础知识”，主要介绍Power BI的下载和注册方法，以及相关组件的用法和数据导入方法，并详细介绍Power Query的基础知识。第2篇“进阶提升”，主要介绍数据建模、度量值、常用的度量值应用案例、可视化看板的制作和Power BI在线版等相关知识。第3篇“项目案例实战”，主要介绍如何用Power BI制作数据大屏、多页面交互式可视化看板和分析报告3个实战案例，展现数据清洗、数据统计和数据可视化的整个流程。《从零开始学Power BI商业数据分析（视频教学版）》通俗易懂，案例丰富，实用性强，适合Power BI的入门与进阶读者阅读，尤其是从事数据分析、商业分析、运营、人力管理和财务管理等经常与数据打交道的相关人员阅读，另外还适合相关培训机构的数据分析学员阅读。

本书为SQL Server入门到提高图书，共17章，主要内容包括数据库基础、SQL Server数据库的安装与配置、创建和管理数据库、数据表操作、视图操作、SQL的基础知识、数据的查询、索引与数据完整性、流程控制、用户自定义函数、存储过程的使用、触发器的使用、游标的使用、SQL Server高级开发、SQL Server安全管理、SQL Server维护管理，最后讲解了学生成绩管理系统项目。本书每章内容都与实例紧密结合，有助于读者理解知识、应用知识，达到学以致用的目的。本书附有配套资源，包括本书所有实例的源码及教学视频。其中，源码全部经过精心测试，能够在Windows XP、Windows 7、Windows 8、Windows 10系统中编译和运行。本书可作为应用型本科计算机专业、高职软件技术专业及其他相关专业的教材，同时也适合初级数据库开发人员参考使用。

本书在简述云计算、大数据概念及密码学相关技术的基础上，主要介绍作者在数据持有性证明、数据确定性删除、云存储数据的一致性、抵抗同驻攻击、虚拟机迁移方面的研究成果。主要包括：可撤销的无证书数据持有性证明方案、关联标签的云数据完整性验证方案、多方参与的高效撤销组成员审计方案、基于属性基加密的高效确定性删除方案、面向优化数据中心结构的一致性协议设计、面向数据中心安全的一致性协议、基于 Shamir 的虚拟机放置策略、存储开销的抵御同驻攻击的数据分块加密备份方案、基于哈希图技术的跨数据中心虚拟机动态迁移方案等。

本书是一本全面关注工业企业数据治理方面的工具书，主要内容分为概述篇、体系篇、工具篇、实施篇及案例篇。其中概述篇主要介绍工业企业数据治理的基础概念、主流数据治理标准及框架、数据治理的发展趋势等；体系篇主要介绍数据管控、数据战略、数据架构、主数据管理等的基本原理与管理体系；工具篇主要介绍主数据管理工具、数据模型管理工具、数据资产运营工具等；实施篇主要介绍具体实施策略及路径选择、顶层架构规划与设计、数据资产运营实施等；案例篇主要介绍电力、能源化工、钢铁、制造、战略投资等行业的数据治理案例，为读者提供专业、丰富、可信的数据治理实施范例。本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚，既具有理论高度，也具备面向中国工业企业的可实操性。参与本书编著的作者均为国内各企业的数据治理专家，所有案例均来自这些企业的实践。对企业的基层管理者或初入职场的人士来说，本书是充分认识数据治理意义、组织进行数据治理的具体方案和工具手册；对企业中层管理者来说，本书是一本配合企业数据治理的纲领性指南；对企业高层管理者来说，本书是一本推动企业数据治理的方法论。