本书从大数据的基本概念出发，深入解析了大数据应用的关键技术与应用。以大数据的数据挖掘技术、大数据的存储与处理、大数据应用的总体架构三方面为线索，详细阐述了大数据挖掘的诸多常用算法，介绍了Hadoop、HDFS及MapReduce等大数据存储与处理的关键技术与应用、大数据应用的框架与构架。本书以通信运营商及互联网电子商务等应用为背景，从典型实例的角度系统地介绍了大数据挖掘应用从目标构建、算法建模到程序实现，再到大数据分析及结果描述应用的整个过程，以期为读者提供从理论到实务的有效借鉴。

暂缺简介...

大数据时代的到来，使我们的生活在政治、经济、社会、文化各个领域都产生了很大改变。“数据科学”一词应运而生。如何更好地对海量数据进行分析、得出结论并做出智能决策是统计工作者面临的机遇与挑战。本书介绍数据挖掘与统计机器学习领域最常用的模型和算法，包括最基础的线性回归和线性分类方法，以及模型选择和模型评价的概念和方法，进而介绍非线性的回归和分类方法（包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法）。最后介绍无监督的学习中的聚类方法和业界广泛使用的推荐系统方法。除了方法的理论讲解之外，我们给出了每种方法的R语言实现，以及应用Python语言实现深度学习和支持向量机两种方法。本书的一个亮点是最后一章给出的两个大数据案例，数据量均在10G左右。我们同时给出了单机版（Python、数据库、R）和分布式（Hadoop、Hive、Spark）两种实现方案。原始数据和程序代码均可在出版社提供的网址下载。本书面向的主要读者是应用统计专业硕士，希望能够拓展到统计专业高年级的本科生以及其他各个领域有数据分析需求的学生和从业人员。

大数据分析计算机基础是大数据分析应用统计专业硕士学生的专业必修课，通过本课程的学习使学生能够掌握大数据分析领域所需要具备的操作系统使用基础知识，数据库基础知识和基于数据的分析处理技术；掌握目前大数据分析过程中所必备Python语言编程的方法。

大数据分布式计算课程是大数据方向应用统计专业硕士学生的专业必修课，通过本课程的学习使学生能够掌握目前大数据挖掘领域常用的并行计算方法，加深学生对统计并行计算的理解，培养学生使用在现代并行架构下利用统计方法深入挖掘大数据中的数据结构并能解决一些实际问题的能力。

大数据正在改变我们的世界。互联网发展以及移动通信市场和相关技术的迅速扩张业已创建大量的数据，包括结构化数据和非结构化数据。数据可用性和数据应用对商业和更广泛的社会领域带来了巨大影响。有效使用大数据有助于公司更精准地对重要信息进行分析，最终提高运营效率、减少成本、降低风险、加快创新、增加收入。本书详细介绍了大数据策略的规划和执行，配以10个不同行业里不计其数的现实案例加以阐述。你将了解大数据的概念以及如何运用大数据——从计算投资回报率和促成商业案例到整体开发和具体项目的大数据策略。每一章都会解答关键问题，并给出你需要掌握的技能，以确保大数据项目成功。想要将大数据为自己和公司所用，请阅读这本《大数据策略 如何成功使用大数据与10个行业案例分享》。

要想真正掌握Excel，并让它在实际工作中充分发挥作用，就必须熟练掌握公式、函数与图表。然而，对于Excel新手和入门级用户来说，公式、函数与图表也是晋级的“拦路虎”，本书正是为帮助读者彻底扫清这三大障碍而编写的。全书共19章，分为3个部分。第1部分为基础知识，包括第1～8章，主要介绍Excel基本操作及公式、函数与图表的基础知识，如源数据的处理、公式的组成、函数的种类、数据引用方式、简单图表的制作等；第2部分为行业应用，包括第9～18章，主要讲解函数与图表在人力资源、财务管理、生产管理、市场营销等领域中的应用，以实例的方式手把手教会读者解决实际问题；第3部分为综合应用，包括第19章，主要讲解如何通过函数与图表的协同使用制作出动态图表。本书内容丰富全面，讲解清晰详细，不仅适合具备一定的Excel操作基础，正打算学习公式、函数与图表的读者，而且适合渴望学习更智能化的工作方法以提高工作效率的读者。

本书针对大数据呈现的体量巨大、多源异构、动态性和不确定性等特点，以粒计算理论为基础，以典型粗糙集模型为对象，以增量学习技术为手段，以云计算并行框架为支撑平台，构建大数据分析与挖掘的原理和方法及其算法，并融入了相关领域学者在动态知识发现、数据融合、大数据并行处理等成果，反映了基于粒计算和粗糙集视角处理大数据的最新进展。

本书是通俗易懂的大数据算法教程。通篇采用师生对话的形式，旨在用通俗的语言、轻松的气氛，帮助读者理解大数据计算领域中的基础算法和思想。本书由背景篇、理论篇、应用篇和实践篇四部分组成。背景篇介绍大数据、算法、大数据算法等基本概念和背景；理论篇介绍解决大数据问题的亚线性算法、磁盘算法、并行算法、众包算法的基本思想和理论知识；应用篇介绍与大数据问题息息相关的数据挖掘和推荐系统的相关知识；实践篇从实际应用出发，引导读者动手操作，帮助读者通过实际程序和实验验证磁盘算法、并行算法和众包算法。在讲解每一个大数据问题之前，本书都会介绍大量的经典算法和基础数据结构知识，不仅可以帮助学习过数据结构与算法、算法设计与分析等课程的同学复习，同时能够让入门的“小菜鸟”们，不会因为没有学习过经典算法而对本书望而却步，轻松地掌握大数据算法！

暂缺简介...