暂缺简介...

本书共分为9章，第1～5章围绕“学生成绩管理”数据库展开，主要介绍数据库基础，数据库与数据表操作，视图与索引，存储过程、流程控制语句、函数和触发器，MySQL数据库操作，非常适合初学者学习。第6章介绍了MySQL与Node.js、PHP、Python、Java的交互。第7章、第8章主要讲述MongoDB数据库和Redis数据库，有数据库基础者可根据第7章、第8章内容进行学习拓展。第9章为一个项目案例，能够帮助读者进一步巩固所学知识。本书适合从事Web前端开发、软件开发、全栈开发相关技术人员阅读，也适合全国开设计算机应用技术、计算机信息管理、软件与信息服务相关专业的高职院校的师生阅读。

在数字智能时代，数据能力已经成为管理者的基本能力，成为其胜任未来管理岗位和晋级领导岗位的必需能力。管理者的数据能力水平决定着其在企业中所能够胜任的层级。提升管理者的数据能力成为企业数字化转型的关键举措之一。本书主要介绍了企业管理者所需要具备的数据能力，包括管理者的数据能力维度与4M 模型、数据思维能力、数据管理能力、数据体系化场景的应用能力、数据分析能力、数据领导能力。撰写本书的目的是让管理者掌握企业数据基本管理和应用之道，利用数据赋能管理，让管理可见、过程可控、结果可达。

本书提供了学习大数据技术及架构的一站式解决方案，覆盖了大数据生态圈中的完整技术体系，包含以下内容。.一、数据采集日志数据采集工具（Flume 、Logstash、Filebeat ）数据库数据采集工具（离线采集工具——Sqoop、DataX，实时数据采集工具——Canal、Maxwell 网页数据采集工具物联网数据采集工具消息队列中间件.二、数据存储分布式文件存储之HDFSNoSQL数据库之HBaseNoSQL数据库之Redis.三、离线数据计算离线计算引擎MapReduce离线计算引擎Spark.四、实时数据计算实时计算引擎Storm实时计算引擎Spark Streaming新一代实时计算引擎Flink.五、OLAP数据分析 离线OLAP引擎（Hive、Impala、Kylin）实时OLAP引擎（Druid、ClickHouse、Doris）.六、全文检索引擎 Lucene SolrElasticsearch.七、分布式任务调度系统AzkabanOoizeDolphinScheduler.八、分布式资源管理 YARN的原理、架构YARN中的资源调度器【实战】配置和使用YARN多资源队列.九 、大数据平台搭建工具 大数据平台工具HDP大数据平台工具CDH大数据平台工具CDP.本书还介绍了多个企业级大数据应用案例（包括海量数据采集、“双十一”数据大屏、海量数据全文搜索系统等）和大数据平台架构案例（包括离线数据仓库架构、实时数据仓库架构、批流一体化数据仓库架构、数据中台架构、直播大数据平台架构、电商大数据平台架构等），可以帮助读者从全局角度理解大数据。.在本书中，技术内容基本上都是从零讲起的，结合原理和架构，以“图解 实战”的形式帮助读者轻松理解复杂的知识。

在本书中，作者聚焦于微软的Power BI，并通过精准的演示，向读者清楚地展示如何在各种数据库和CRM应用程序上产生数据视觉效果。另外的福利就是，读者还可以了解如何在Azure应用程序中嵌入视觉效果。Cortana套件的整合确实是一个倍增器。你将学到：— 数据可视化解决方案的市场调查。— 如何使用普通和高级的Power BI功能。— 如何将嵌入式Power BI仪表板部署为Azure应用程序。— 如何使用Microsoft SQL Server构建现代Power BI解决方案，并应用包括Cortana在内的Microsoft Stack。— 如何在开源数据存储上构建一个视觉上令人满意的Power BI解决方案，即PostgreSQL。— 如何解锁企业机密，例如通过将Power BI与Dynamics CRM集成并使用自然语言查询来梳理趋势，进而突出最相关的业务趋势。

内容简介商业分析有用吗？当然有用！商业分析是行走职场、创业启航的一项必备技能。作者结合自己多年的工作经验，用生动的语言介绍如何用数据分析解决商业问题。本书分为6 篇，共17 章，其中第1 篇是概念篇，讲述商业分析的基本概念；第2 篇是基础篇，讲述如何用基础的分析方法评估企业经营状况；第3 篇是进阶篇，讲述如何构建分析体系解决较复杂的问题；第4 篇是高阶篇，讲述如何应对复杂的商业难题；第5 篇是基础实践篇，通过案例讲述如何解决更复杂的商业问题；第6 篇是高阶实践篇，通过案例讲述如何解决商业分析中的疑难杂症。本书的讲解思路是层层递进的，从简单场景到复杂场景，从基础的方法到复杂的方法。因此，无论读者是否有数据分析基础和经验，都建议从头开始阅读，这样可以一步步提升认知，更快地掌握商业分析的方法。

数据的获取方式、数据的形式及其结构纷繁芜杂，如何把数据整理成我们想要的样子呢？本书通过真实案例构建了数据准备过程中的方法与技术体系，并通过Python 3编程实现从数据获取到数据整理的全过程。全书内容包括数据来源、数据类型、数据编码、数据清洗、数据插补、数据配平、数据重构、数据变换、数据缩放和数据归约。为使读者能够快速掌握数据准备的方法与技术，本书的数据文件与程序代码均可下载（见封底二维码）。线上操作平台地址为http：//ykt.ai-learning.net。本书既可作为高等院校的数据分析类课程教材，也可作为社会科学领域数据分析的自学用书。从事数据分析与数据管理工作的相关人员，以及用Python解决实际数据分析问题的工程技术和管理人员亦可参考使用。

本书基于开源Hadoop生态圈的主流技术，深入浅出地介绍了大数据相关技术的原理、知识点及具体应用，适合教师教学使用和零基础自学者使用。通过本书的学习，读者可以理解大数据相关技术的原理，迅速掌握大数据技术的操作，为后续数据挖掘与分布式计算平台的结合使用打下良好的技术基础。

本书是Hadoop Spark大数据分析技术入门书，基于Hadoop和Spark两大框架体系的3.2版本，以通俗易懂的方式介绍Hadoop Spark原生态组件的原理、集群搭建、实战操作，以及整个Hadoop生态系统主流的大数据分析技术。 本书共分14章。第1章讲解Hadoop框架及新版本特性，并详细讲解大数据分析环境的搭建工作，包括Linux操作系统的安装、SSH工具使用和配置等；第2章讲解Hadoop伪分布式的安装和开发体验，使读者熟悉Hadoop大数据开发两大核心组件，即HDFS和MapReduce；第3~12章讲解Hadoop生态系统各框架HDFS、MapReduce、输入输出、Hadoop集群配置、高可用集群、HBase、Hive、数据实时处理系统Flume，以及Spark框架数据处理、机器学习等实战技术，并通过实际案例加深对各个框架的理解与应用；第13~14章分别通过影评分析、旅游酒店评价分析实战项目来贯穿大数据分析的完整流程。 本书可以作为大数据分析初学者的入门指导书，也可以作为大数据开发人员的参考手册，同时也适合作为高等院校大数据相关专业的教材或教学参考书。

本书主要阐述数据统计发布中的差分隐私保护模型及其关键算法。全书共8章，主要内容包括差分隐私基础知识、面向任意区间树结构及其扩展背景（考虑区间计数查询分布和异方差加噪）下的差分隐私直方图发布、面向流/连续数据发布的差分隐私保护、差分隐私数据发布方法的误差分析等。 本书主要面向高等学校计算机科学与技术、网络空间安全、管理科学与工程等学科相关专业高年级本科生、研究生以及数据安全隐私保护的研究者。