这些年，随着工业互联网、人工智能科技的迅猛发展，企业数字化转型是大势所趋。而企业资源计划（Enterprise Resource Planning，ERP）是信息化时代企业最重要的管理层信息系统，在数字化时代同样也是扮演着非常重要的角色，依然是企业的数据枢纽。ERP为企业的信息化建设提供了一种系统的集成解决方案。本书力求从务实的角度，系统地阐述ERP的原理、设计与实施理论，为企业管理者、IT人员提供理论参考，推动ERP应用的健康发展。本书对ERP相关知识的讨论涵盖了原理、设计与实施的全部过程。前5版图书出版后均引起了很大的社会反响，作者收到大量读者来信，并与读者进行了良好的交互。鉴于工业互联网、人工智能、区块链等技术的高速发展给ERP及企业信息化带来的冲击与变革，本书再次改版。本书适合企业的各层领导、项目经理、系统分析员及高级程序员阅读，也可作为高等院校相关专业本科生、研究生及MBA的教材。

普及医疗大数据挖掘与可视化技术，对提升医疗行业数据的质量与处理效率、实现数据价值的优化、推动精准医疗深入应用有着重要的作用。 本书内容立足于医疗大数据的挖掘与可视化，分为总体篇、数据挖掘篇、可视化篇、应用篇等5部分，共10章，包含医疗大数据及其平台的发展概况，医疗大数据的采集、清洗、融合，医疗大数据挖掘概述、工具与方法，医疗大数据可视化概述、工具与方法，以及用实例展示医疗大数据分析平台的设计与使用方法等。

本书以敏捷分析工具Tableau为基础，部分章节辅以SQL讲解，系统介绍了数据可视化分析的体系和方法，内容涵盖问题分析方法、数据合并和建模、可视化图形的选择和构建、多种交互方式及其组合、仪表板设计与高级交互、基本计算和高级计算等。本书以Tableau Desktop的应用为中心，借工具讲解原理，以原理深化工具应用，并由点及面地介绍了业务分析的思考和原理，特别是提出了实践性的"业务—数据—分析”层次框架，并以三类"详细级别”的概念贯通数据模型、高级筛选和高级计算三大主题。本书重点介绍工具应用背后的思考方式和原理，帮助读者建立"详细级别”的思考框架，举一反三，从而实现多维、结构化分析。

网络科学是一门正在兴起的交叉性学科，与社会学、贸易物流、管理学等都密切相关。《网络科学与网络大数据结构挖掘》致力于系统地介绍网络科学的基本概念、思想和方法，使得具有高等数学基础的读者都能够看懂，并具备把网络科学方法用于实际网络分析的能力。《网络科学与网络大数据结构挖掘》作为网络科学的工具性图书共分两大模块：第一模块是基础理论，包括网络基本概念、网络拓扑性质、复杂网络社团挖掘等内容，旨在让读者熟悉一些基本的建模方法和分析技巧。第二模块为应用模块，包括复杂网络在几个代表性领域中的应用研究分析及案例剖析等。全书没有过多地数学和物理推导，而是更为关注网络科学的思维习惯和研究方式，兼具理论性、资料性和实践性。可用于各学科领域的教学及研究人员学习参考。

本书分为10章，其中第1~9章探讨了排序、推荐系统、聚类、线性回归等内容，每章都以一个具体的实际问题开始，其主要目的是激发对某一特定大数据分析技术的研究。接下来探讨其背后的数学原理——包括重要的定义、辅助陈述和得出的结论。案例研究有助于将所学知识应用于跨学科的环境中，包括对逐步任务的描述和有用的提示。每章之后都配有习题，作为自学中不可缺少的一部分，有助于提高对基础理论的理解。第10章提供了前9章的习题答案，以及Python代码中的算法描述作为补充材料。本书适合作为大数据分析、应用数学及相关专业的研究生和高年级本科生。

内容简介本书按照“基本入门→数据清洗实操→技能提升”的顺序安排内容，首先介绍新手入门要掌握的基本操作，然后讲解利用PowerQuery对数据进行清洗的实战技能，以及查询表的结构化与分组合并操作，最后讲解认识M语言并学会使用M语言对查询表及表数据进行处理的实用操作。全书内容实用，实战性强，特别适合有一定Excel使用基础，想要提升数据清洗和处理能力的PowerQuery初学者。此外，对PowerQuery工具有一定使用经验的数据处理人员，也可从本书中找到借鉴思路。

本书定位为NVIDIA BlueField DPU和NVIDA DOCA的入门学习参考，内容涵盖DPU的简介、技术优势及未来技术发展路径，包括NVIDIA BlueField DPU在结构通用化、功能多样化、应用广泛化和场景丰富化方面的前景展望，NVIDA DOCA软件框架开发环境配置，以及基于NVIDIA BlueField DPU利用NVIDA DOCA软件框架的应用程序开发实践案例。读者可以通过本书对DPU硬件架构与软件开发有一个整体了解，学习如何启用NVIDIA BlueField DPU以及搭建NVIDIA DOCA软件开发环境，并通过深入了解NVIDIA DOCA应用程序开发用例来掌握如何实现软件定义、硬件加速数据中心基础设施的应用程序或服务，并据此开启自己的开发之旅。

本书的内容包括：对数字化概念进行梳理，回答什么是数字化的问题；对数字化的要素进行深入分析和描述，澄清数字化成功的关键要素；对主要的数字化的关键领域和问题，包括路径、组织、文化、业务与IT的关系以及数据价值等进行剖析；对数字化的组织和文化变革进行全面的总结； ，对数字化伦理和资本作为数字化的主要推动力等进行辩证分析。本书适合企业和政府部门的 以及数字化的实践者阅读。其中 包括董事长、CEO、CIO、CDO、CFO、CHRO、IT经理、业务经理等，实践者包括咨询顾问、架构师、需求分析师、项目经理、敏捷教练等。这些人在数字化工作中是关键人员，必须掌握数字化的核心知识。

《像数据达人一样思考和沟通：数据科学、统计学与机器学习》是一本完备的数据科学指南，尤其适用于职场人。本书既包括了职场中应用数据的场景介绍，也包括了算法背后的数学知识。两位作者在数据科学普及领域深耕多年，立志打造一本有趣、贴近生活，且非常具有可读性的数据科学入门书。每个人都能成为数据达人，积极地参与与数据科学、统计、机器学习相关的工作。本书适合作为商务专业人员、工程师、行政人员，以及有志成为数据科学家的研究人员的自学参考读物，也可以作为数据科学相关培训机构的教材。

要想在数据科学领域取得成功，你需要精通数学。但不仅仅是数学。这本指南提供了一个清晰的、简单的答案，你需要了解，包括概率、统计、假设测试、线性代数、机器学习和微积分的知识。使用Python代码的实际示例将帮助您了解数学如何应用于您将要做的工作，在将概念连接到机器学习等应用程序时，提供了对概念在底层如何工作的清晰理解。你会得到一个坚实的基础，但更重要的是，你将能够使用它。书中内容包括：认识到概率数学的细微差别和缺陷；掌握统计和假设测试（并避免常见的陷阱）；探索概率、统计、微积分和机器学习的实际应用；直观地理解线性代数是空间的转换，而不仅仅是数字相乘和相加的网格；完全从零开始在Python中执行微积分、导数和积分；将你所学的知识应用到机器学习中，包括线性回归、逻辑回归和神经网络。