本书全面介绍了数据开发利用技术，包括大数据计算、大数据管理、大数据安全、大数据可视化、数据自治、数据爬虫、知识图谱、大数据挖掘、深度学习、区块链等技术，还特别介绍了数据产品生产技术。这些技术涵盖了数据获取与管理、数据分析与应用、数据安全与流通等数据开发利用的各个环节，形成一个较为完整的大数据技术体系。

这是一本从设计理念、功能使用、工作原理、二次开发、插件扩展、企业实践等多个维度全面讲解Apache APISIX的著作。本书由Apache APISIX官方出品，由创始团队和核心开发团队成员撰写，同时融入了大量Apache APISIX典型客户的经验和案例，全书内容分为三部分：首先，简单介绍API和 APISIX的概念与背景，通过一些API网关的基础功能介绍，帮助读者更快速地从理论和操作方面来理解APISIX。其次，着重讲解APISIX在多个功能层面（安全、服务治理、可观测性、二次开发等）的实践场景与操作细节，以及二次开发扩展的插件使用。蕞后，介绍APISIX在Ingress和服务网格领域的方案和产品呈现，同时通过多个不同业务类型与风格的企业用户案例讲解，带来更多关于APISIX在实际生产环境中的应用流程。

本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了 30 多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。如果你是一名创业者，或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员，那么本书不容错过。

服务计算作为支撑现代服务业高质量发展的共性科学与技术，过去20年间发展迅速。本书邀请了来自中国计算机学会服务计算专业委员会的十位资深专家学者，基于各自多年的科研成果，分别从服务计算基础、面向领域的服务应用与治理、服务选择与组合、服务推荐、服务系统开发技术与运行基础设施、大数据服务、云计算服务、移动边缘服务、认知服务、跨界服务融合10个方面系统性地介绍服务计算领域的研究进展和新趋势，概述基础知识，探索未来的研究方向。本书既适合作为高校服务计算专业方向的教科书，也适合作为服务计算创新研究的参考书。适合服务计算领域的科研人员、年轻教师、研究生和从业人员阅读。

在数据湖仓的所有新增要素中，排名第一的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西，当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括：元数据、数据血缘、 数据体量的度量 、数据创建的历史记录、数据转换描述。 数据湖仓的第二个新增要素，是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器，就很难（实际上是几乎不可能）将数据湖仓中的不同数据关联起来。但有了这个中西，就可以关联任何类型的数据。 使用数据湖仓，就有可能实现以往任何其它方式都不可行或不可能实现的某种程度的数据分析和机器学习。 但与其它架构一样，我们需要理解数据湖仓的架构以及它的能力，以便于我们基于这种架构创建数据分析蓝图和开展数据分析规划。

《数据分析师手记：数据分析72个核心问题精解》从底层认知、思维方法、工具技术、项目落地及展望出发，使用问答的形式对数据分析中的72个核心知识点进行讲解，构建了数据分析的知识框架，带领读者认识数据分析背后的奥妙。读者可以用本书作为学习地图，针对具体的方法、技术进行延伸学习。

《GraphPad Prism科技绘图与数据分析》以GraphPad Prism 9.4为软件平台，结合编者多年的数据分析经验，通过大量实例系统全面地介绍Prism在科研数据处理中的使用方法与技巧。全书共11章：第1~3章主要讲解GraphPad Prism的基础知识，包括用户界面、项目组成、图形的输出、数据的输入、数据表类型、图形的修饰与美化等；第4~11章结合Prism数据表的特点，分别讲解各类数据表的数据格式、数据表能够完成的图表绘制以及可以实现的统计分析等。通过阅读本书，可以帮助读者快速掌握GraphPad的应用，从而更好地处理和分析科研数据。 本书注重基础，内容翔实，突出示例讲解，既可以作为从事数据分析处理的科研工程技术人员的自学用书，还可以作为高等学校相关专业的本科生和研究生的教学用书。

本书注重理论与实践紧密结合，系统介绍算法设计方法、分析技巧和 C 编程实战。作者本着“易理 解，重实用”的指导思想，结合多年的教学经验，以算法设计策略为主线，沿着“算法思想—算法设计—构造 实例—算法描述—算法分析—C 实战”的思路组织学习内容，共包括算法及基础知识、贪心法、分治法、动 态规划、搜索法、随机化算法、线性规划问题与网络流、数论算法及计算几何算法和 NP完全理论等9章内 容。为突出教材的可读性、可用性及前沿性，每章增设了学习目标、阅读材料及习题解析，配套资源包括实 验指导书、教学大纲、教学课件、经典案例源代码、微课视频、课程网站等内容。 本书内容丰富、思路清晰、实例讲解详细、图例直观形象，适合作为计算机及其相关专业的本科生和研 究生教材，也可供工程技术人员和自学读者学习参考，还适合作为参加 ACM 程序设计大赛的爱好者的参 考书或培训教材。

本书将基础理论和算法实现相结合，介绍了关于大数据分析中的相关知识，全面、系统地介绍有关算法的实现过程，并对算法在相关实例上的应用结果进行分析。全书共8章，内容包括差异化空间插值模型的理论原理、利用空间信息的大数据分析预测过程、协作复合神经网络模型的基础架构、利用相关特征的大数据分析预测过程、并行支持向量机的基本原理、并行支持向量机下的风险分类评价研究、集成学习与贝叶斯优化的相关理论和结合贝叶斯优化与集成学习的大数据评价研究等知识。书中每种算法都以伪代码的形式进行描述并附有相应的实例。 本书主要面向广大从事大数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员。

本书系统地介绍分数阶微积分学领域的理论知识与数值计算方法。特别地，作者提出并实现一整套高精度的分数阶微积分学的数值计算方法；提出线性、非线性分数阶微分方程的通用数值解法和基于框图的通用仿真框架；提出并实现了基于框图的分数阶隐式微分方程、延迟微分方程与分数阶微分方程边值问题的通用求解方法。本书所有知识点均配有高质量的MATLAB代码与Simulink模型，有助于读者更好地理解知识点的内涵，更重要地，可以利用代码实践并创造性地解决相关问题。 本书可供数学与应用科学领域的高年级本科生、研究生与工程师系统学习分数阶微积分学理论及其计算方法，并用其解决实际应用问题。