《数据建模与分析》以数据分析教学、生产数据处理实践、靶场试验数据处理任务为背景，以系统科学理论、系统建模与参数估计技术为指导，讨论和研究了数据分析中常用的数据视图、静态数据分析、线性数据分析和非线性数据分析等知识。“直觉驱动，源于生活；扎根试验， 服务生产；逐章深入，即学即用；案例丰富， 代码呼应”是《数据建模与分析》的特点。

《云计算：原理、应用、管理与安全（原书第2版）》是关于云计算的“百科全书”，不仅讲解方方面面的理论知识，还涵盖广泛的实践内容。《云计算：原理、应用、管理与安全（原书第2版）》中共引用了近550篇参考文献，梳理了云计算领域的发展史和里程碑，全景呈现了重要的技术演进和研究成果。这一版添加了关于并发性、云硬件和云软件的新章节，并讨论了大数据和移动应用带来的挑战。在简要介绍计算机云、以网络为中心的计算和以网络为中心的内容后，《云计算：原理、应用、管理与安全（原书第2版）》分四个部分展开论述，主要内容分别为：与并行和分布式有关的概念，云服务供应商、云接入、云数据存储、云软硬件等云生态系统要素，云应用、云资源管理和调度、云安全、移劝云等云研究热点。

如果你打算开发原生Kubernetes应用，《Kubernetes编程》将成为你的向导。该书面向开发者和应用运维管理员介绍如何构建原生Kubernetes应用程序，这类应用可直接通过API服务器查询或更新资源的状态。AWS开发倡导者Michael Hausenblas和Red Hat首席软件工程师Stefan Schimanski将介绍这类应用的特性并向你展示如何编写Kubernetes程序来构建它们。你将学到Kubernetes的基础构件，包括client-go API库以及自定义资源。你只需要具备一些初级的开发知识和系统管理工具和实践经验（包括包管理、Go语言和Git）即可上手。介绍了Kubernetes API的基础知识并深入讲解API服务器的内部结构。学习Go语言的Kubernetes编程接口，包括Kubernetes API对象。学习自定义资源，它是Kubernetes生态系统中核心的扩展工具。使用代码标签控制Kubernetes代码生成器为自定义资源生成代码时的行为。编写自定义的控制器和Operator，并为部署到生产环境中做好准备。通过自定义API服务器，扩展Kubernetes的API层。

《数据挖掘及其在学习资源推荐中的应用研究》为国家社会科学基金项目成果，针对个性化学习资源推荐面临的主要问题，围绕数据挖掘优化方法、学习者建模、个性化学习资源推荐等方面的内容展开研究。《数据挖掘及其在学习资源推荐中的应用研究》采用定性与定量研究、理论与实证研究相结合的研究方式，融合多个学科的技术成果，在研究方法和手段上有所创新。《数据挖掘及其在学习资源推荐中的应用研究》既包括翔实的理论阐述，又有系列的公式演示，严谨可信，具有一定的理论研究价值;并且提出的一些新型模型和理论框架具有较高的应用价值。

当前，中台落地手记 业务服务化与数据资产化建设如火如荼，相关技术也在快速发展。本书试图帮助读者拨开迷雾，旨在向读者提供一个“step by step”的中台建设实操指导。本书从中台的规划、设计、实现、运维等多个方面入手，从组织架构、业务流程、技术选型角度，以一个典型的民航生产系统落地场景为例，对基于微服务的“业务中台”、基于大数据的“数据中台”以及基于企业战略的“组织中台”分别进行了阐述。中台落地手记 业务服务化与数据资产化分10章，内容主要涉及总体规划、业务服务化建设、微服务解决方案、收集各类数据、数据预处理、数据湖和数据仓库数据处理、数据计算开发、深入挖掘业务数据、安全措施和中台运营及周边。中台落地手记 业务服务化与数据资产化的主要读者对象为企业信息化人员（包括管理人员及产品设计、开发人员等）、数字化转型研究方向和专业的高校师生等。

半监督学习是近年来机器学习领域中的热点问题，其研究如何利用少量的标记样本和大量的未标记样本训练学习机器， 并且通过未标记样本来改善学习机器的推广性能。本书致力于分析大数据环境下的具有隐私保护性能的半监督学习算法设计与理论分析。其主要内容包括：图正则化半监督算法的设计与稀疏性研究，如何从理论上给出误差分析；保护用户隐私的熵正则化半监督算法。同时，提出熵正则化半监督算法的误差分析方案，建立其收敛速率。*后，展开对设计算法的隐私保护性能分析的研究。

《企业级云原生架构：技术、服务与实践》较为全面、系统地介绍了云原生架构相关的方法论与技术产品，并结合作者多年的大型项目建设实施经验，阐述了分布式环境下面向云原生的架构设计实践。本书主要分为4个部分，分别是云原生概述、云原生技术、云原生服务、云原生架构实践。本书兼顾理论、技术与实践，对从事相关行业的读者具有很好的学习指导意义。《企业级云原生架构：技术、服务与实践》面向的读者对象为互联网行业的业务咨询师、系统架构师，以及相关领域的技术开发人员。

统计方法是数据科学的重要组成部分，但很少有数据科学家接受过正规的统计培训。关于基础统计的课程和书籍很少从数据科学的角度来涵盖这一主题。这本流行指南的第二版在Python中添加了全面的示例，提供了在数据科学中应用统计方法的实用指导，告诉您如何避免它们的误用，并就哪些重要，哪些不重要给出了建议。许多数据科学资源包含了统计方法，但缺乏更深层次的统计视角。如果您熟悉R或Python编程语言，并且对统计数据有一定的了解，那么这个快速参考以一种可访问、可读的格式填补了空白。

本书全面细致地讲解了开源云平台架构的规划、建设、部署和运维的全流程应用。通过介绍开源云计算平台OpenStack架构的设计理念、各个核心模块功能，结合实践经验，详细讲解了云计算平台的数据中心规划、行业应用、平台架构设计、部署实施、平台运行维护的知识。本书分为三部分：第壹部分为基础篇，重点讲解云计算基础知识和技术标准;第二部分为应用篇，主要讲解云平台的服务和行业应用;第三部分为实践篇，通过结合具体案例，详细讲解云平台数据中心规划、部署实施、运行维护相关的专业技能。

本书通过讲解Mudeler（Clementine）软件的应用，帮助读者发现隐藏在大量数据中的规律，并且把他们成功的植入营销方案中。书中的每一章都设立了 一个或者多个具体的应用场景，通过案例场景的介绍、问题的提出、问题解决的操作过程、输出结果的详解、关键统计知识点的温习等步骤，帮助大家掌握常见的关联性分析、决策树、时间序列分析、聚类等数据分析方法。同时，本书页希望通过借助场景式教学方法，引领大家逐步深入了解数据分析的技能和知识，是大家带着乐趣学习，学以致用，进而激发进一步深入探索的兴趣，达到建立良性学习循环状态的目的。