该书系统地讲解了云计算（Cloud Computing）产生与发展的基本概况以及公有云、私有云和混合云的架构特点与应用领域；阐述了SaaS、PaaS和IaaS 3种云计算服务模式的功用和特点，为全面了解云计算奠定了基础。为了更深入地了解云计算技术内涵，该书讲解了构建云计算系统架构的开放平台OpenStack技术；分析了构成云计算技术核心的虚拟化（Virtualization）、并行计算（Parallel Computing）与分布式计算（Distributed Computing）3大支撑技术；讲解了云计算数据中心设计与建设的原则与要点以及桌面云的技术架构与应用，并从工程的角度讲解了云计算数据中心的安全设计与部署要点。同时，该书还讲解了基于云计算架构的大数据处理技术。全书列举了一些云计算的典型案例，让读者能够更好地了解云计算产业的发展与应用概况；同时，每章都设有拓展训练项目，帮助读者更好地掌握理论知识，达到学以致用的目的。　《云计算技术基础教程》可作为高等职业院校的云计算技术与应用、大数据技术与应用、计算机网络技术等专业的专业课程教材，也可作为从事云计算与大数据相关产业的从业者或爱好者的参考资料。

云计算已经成为信息社会和商业创新的重要基础设施，它的出现提高了人们生产、生活的效率，降低了创新、创业的门槛。本书通过三个系列实验，让读者理解和掌握云计算相关的概念、组成、使用和搭 建方法。全书共18 章，分为三个部分：第一部分（第 1 ～ 7 章）介绍公有云计算的概念和起源，然后分别在阿里云和亚马逊云两个平台上申请和使用计算、存储和网络资源；第二部分（第 8 ～ 16 章）介绍了开源私有云计算平台 OpenStack 的概念和组成，然后在虚拟机上部署和使用私有云计算平台；第 三部分（第 17 ～ 18 章）介绍了开源云存储系统 Ceph 的概念和组成，讲解了如何搭建和使用 Ceph 存储系统。本书可作为高等院校云计算实验课程的教材，或作为云计算理论课程的实验教材，还可以作为对云 计算和云存储系统感兴趣的研究人员和工程技术人员的参考资料。

大数据技术生态体系中的各类技术构件本身没有可自省的安全机制，构件间使用的RPC协议也没有安全机制，大数据平台的安全性面临着巨大挑战，如何高效、快速地检测大数据平台中的应用异常对提高大数据平台的安全性具有重要意义。本书在介绍相关研究工作及相关基础内容之后，主要针对大数据平台的应用层日志数据，研究了平台异常的检测与分析问题，构建了大数据平台异常的离线检测分析的方法体系及实时检测的机制。研究了基于数据流二重概念漂移检测的增量学习、分布式日志的**频繁序列模式挖掘算法、基于**频繁模式的动态规则库构建算法、基于Web会话流的分布式实时异常定位算法、基于**信息系数的在线异常检测算法、基于聚类分析的离线异常检测算法、基于相邻请求的动态时间阈值会话识别算法、基于会话特征相似性模糊聚类的SFAD异常检测算法、基于贝叶斯粒子群的异常检测算法、平台异常时的推测式任务调度策略、基于实时负载的推测式任务调度算法。分析了大数据平台异常检测分析（RADA）系统在实现时所采用的大数据技术与组件技术选型，针对RADA系统进行了深入的结构化分析，介绍了基于融合架构的RADA系统概要设计，研究了RADA系统的详细设计与实现方法，完整地总结了大数据平台异常的实时检测技术与分析RADA系统的关键技术。本书可为产业界与学术界相关人员提供应用研发的帮助，可供计算机专业、软件工程专业的相关工程技术人员、研究人员学习、参考。

本书从全球前沿科技领域——区块链技术的原理和应用入手，探索了具有自主知识产权的区块链数据主权技术在产业生态中的创新理论和应用实践，重点阐述了区块链数据主权技术在实体经济、民生领域、智慧城市、数据共享、互联互通等领域的持续发展与融合应用。本书从理论分析、应用实践、场景落地等多个角度，深入阐述了区块链技术、区块链数据主权技术在各个领域的部署、实施、应用和发展前景展望。

万物互联背景下，数据呈现爆炸式增长。当前通过可视化的信息呈现方式提高数据效益、提高洞察力成为行业关注的焦点。本书以“新能源汽车大数据可视化监测平台”项目为载体，以丰富的可视化和交互式图表作为信息表现方式，旨在通过Web可视化设计方法以及主流前端框架、工具的综合运用，使学生快速提高Web前端开发技术水平，实现培养优秀的Web前端工程师目的。 本书共分7个单元。内容包括：Web数据可视化概述、新能源汽车大数据可视化监测平台、Web基础、前端框架、数据可视化设计基础、数据可视化整合、新能源汽车数据大屏。 本书涵盖多学科知识，综合性强；以实际项目为载体，化繁为简，循序渐进，弥补了学校教学缺乏实战的弊端，是Web可视化技术的优佳图书。 本书适合作为高职高专计算机专业、大数据相关专业课程的教学用书，也可供从事数据可视化、数据分析、前端设计的技术人员参考阅读。

《大数据计算机基础（第2版）/大数据分析统计应用丛书》是中国人民大学、北京大学、中国科学院大学、中央财经大学、首都经济贸易大学五所高校联合培养大数据分析硕士实验班的计算机基础教材，目标是培养学生掌握大数据分析处理必备的计算机基础知识与技能。

本书系统介绍了大数据基础知识和相关技术，全书分为大数据概述篇、大数据存储与管理篇、大数据采集与预处理篇、大数据分析与挖掘篇、大数据平台Hadoop实践与案例分析篇。全书共15章，主要内容包括大数据基本概念、大数据存储与管理概念及技术、大数据采集及预处理技术、大数据计算模式、大数据分布式并行处理框架Hadoop、大数据分布式文件系统HDFS、大数据分布式数据库系统HBASE、大数据Hadoop平台操作实践及具体大数据预测应用案例分析。

《大数据探索性分析》是一本基于大数据背景的统计学基础教材，适用于统计专业的高年级本科生或者应用统计专业硕士的培养。该教材旨在使学生能够掌握大数据分析的统计学基本原理、思想和方法。着重培养学生面对实际数据时，提出问题和解决问题的基本能力，特别是能够使用某种计算机语言分析数据和解释分析结果的能力。教材内容主要包括抽样调查、数据清理、描述性统计、探索性分析、数据可视化、空间统计等内容。教材撰写力求深入浅出，不只是讲解各种方法的过程与原理，还要结合实际数据例子，加强学生对各种方法的深入理解。该教材有别于传统统计学教材的特点在于强调大数据前提下一些统计方法使用的特色，而第二版更是更新了一些实际数据分析案例，让学生能够更好地掌握数据分析技巧。

本书十章内容分属上、中、下三篇。上篇为大数据关键技术篇，从数据、信息和知识内在的关联逻辑出发，技术结合实例，从技术体系的基本原理、核心技术的要素组成等方面，对大数据应用的基本原理和关键技术进行了系统的论述。并对大数据体系的技术生态环境进行了分析梳理。中篇为教育大数据应用创新篇，从支持“有效学习”的角度，利用知识图谱对教育大数据进行聚合分析，提出了支持现代教育技术创新的大数据应用方案和技术赋能路径。下篇为大数据应用拓展篇，重点从技术框架出发，理论结合实践，全方位地探讨大数据技术在不同应用领域中的理念方法与技术创新思路。本书围绕大数据及其相关技术这一主题，采用深入浅出的叙述方式，阐述大数据及其相关新技术的基本理论、关键技术和实际应用，目的是让广大师生以计算机公共基础课程为知识载体，进一步了解大数据的理论知识与应用方法。在撰写上，本书既体现了大数据技术本身的系统性和理论性，从关键技术的提炼到技术生态的构建，再到典型应用案例的分析，将数据科学的新发展与行业的实践应用紧密结合，又注重带有人文气息的启发式学习策略，探寻教育规律与科技、人文的充分融合，关注培养学生的人文科技情怀，是一本大数据理论与技术的精品教程。

《基于深度学习的社会信息挖掘应用实例分析》综合了大量国内外的*新资料和作者的研究成果，以应用实践中的若干问题为研究对象，探索了基于深度神经网络的分析和建模过程，列举了深度神经网络在若干社会信息挖掘的应用；以*新资料案例为例进行社会信息分析和模型构建，给出了实践指导策略；给出了不同机器学习方法的特点与适用场景，并以实际应用场景为例，分析了深度学习的应用。