《Python金融数据分析与挖掘实战》从Python基础入门讲起，到应用Python进行科学计算、数据处理、数据可视化、挖掘建模基础训练，再到利用Python进行金融数据挖掘与量化投资实战，深入浅出地介绍了如何使用Python进行金融数据分析、挖掘和量化投资的全过程。《Python金融数据分析与挖掘实战》分3篇：基础篇、案例篇和实训篇。基础篇（第1～6章）主要介绍Python基础及应用于科学计算、数据处理、数据可视化、机器学习、关联规则等方面的基础知识；案例篇（第7～11章）主要介绍利用Python进行金融数据挖掘分析的基础案例和综合案例；实训篇（第12章），由5个实训组成。《Python金融数据分析与挖掘实战》将从Python基础知识、基本数据分析技能，扩展到基础案例和综合案例，最后通过实训帮助读者强化训练，完成Python金融数据分析与挖掘相关知识的学习。《Python金融数据分析与挖掘实战》提供配套的案例数据、程序代码，适合作为普通高等院校数学、计算机、经济管理专业相关课程的教材，也适合作为金融数据挖掘研究者、爱好者的参考书。

《大数据原理与应用：讲解人人能懂的信息技术前沿》从大数据是什么、大数据为什么崛起、大数据可以做什么、大数据应用该怎么做四个方面进行介绍。全书介绍了大数据技术崛起的背景、大数据的相关技术基础，大数据技术的应用领域，大数据应用的业务环节，大数据技术应用的注意事项。《大数据原理与应用：讲解人人能懂的信息技术前沿》适合做高等职业院校信息技术前沿类通识课程或专业技术基础课程的教材，也可以作为开阔视野的拓展课程或选修课程的教材或对大数据感兴趣人士的参考书。

本书作为《Hadoop大数据原理与应用》（本书作者编写，西安电子科技大学出版社出版）的配套实验教程，系统介绍了Hadoop生态系统中各个开源组件的相关知识和实践技能。全书分为“基础实验篇”和“拓展实验篇”两篇，共10章，涉及数据采集、数据存储与管理、数据处理与分析等大数据应用生命周期中各阶段典型组件的部署、使用和基础编程方法。“基础实验篇”内容包括部署全分布模式Hadoop集群、实战HDFS、MapReduce编程、部署ZooKeeper集群和实战ZooKeeper、部署全分布模式HBase集群和实战HBase、部署本地模式Hive和实战Hive；“拓展实验篇”内容包括部署Spark集群和Spark编程、实战Sqoop、实战Flume、实战Kafka。 本书内容翔实，案例丰富，操作过程详尽，并配有完整的立体化资源，既可作为高等院校研究生、本科生的大数据技术原理与应用课程的实验指导书，也可作为教师参考书，同时也可供相关技术人员参考。（相关资源可在西安电子科技大学出版社网站下载。）

《MATLAB数据分析教程/高等院校计算机教育系列教材》介绍了MATLAB在数据分析中的应用，《MATLAB数据分析教程/高等院校计算机教育系列教材》共分为13章，各章主要内容包括数据分析与MATLAB软件、MATLAB基础、MATLAB科学计算、数据预处理、绘图与数据可视化、数据的描述性统计与分析、方差分析、数据拟合与回归分析、蒙特卡洛模拟与应用、优化方法与应用、判别分析与聚类分析、人工神经网络及应用等。《MATLAB数据分析教程/高等院校计算机教育系列教材》注重实用，可以作为高等院校机械、材料、电子、通信等理工类及经济、金融、管理等文科类专业的研究生、本科生的教材，也可以作为教师、科研人员和工程技术人员的自学和参考用书。

本书以大数据技术中数据统计分析的经典实现方法R语言应用实践为核心，以提高学生的大数据基础理论水平和解决实践问题的能力为出发点，以培养大数据时代具有创新精神和实践能力的人才为目的。 本书系统阐述R语言大数据技术应用实践的原理、方法和应用相关知识，同时给出了每一章内容对应的实现指令或源程序。全书共九章内容。内容由浅入深，分为基础篇及提高篇两部分，其中第1章到第6章为基础篇，第7章到第9章为提升篇。内容涵盖R语言基础简介、R语言语法基础、R语言数据预处理、R语言数据分析、R语言数据可视化、R语言网络数据抓取、R语言统计与建模、R语言数据挖掘、R语言数据分析综合案例等较深入的知识。本书理论结合实际，每一个章节都包含有相关内容的实践部分，以便读者在了解相关知识后，能及时进行项目的实践，有助于提高读者动手实践的能力。每章提供适量习题，进一步加深对内容的理解。 本书内容全面，详略得当，在简单阐述原理基础上，重点阐述R语言应用实践的详细实现过程，可读性强。本书可以作为高等院校大数据技术相关专业以及计算机技术、信息管理、人工智能、电子信息工程、通信工程、自动控制等专业本科生及高职院校相关课程的教材，也可供从事大数据相关研究的技术人员参考。

为了解决地学领域多源、异构、分散、多维数据集成与应用问题，本著作系统深入地研究了采用云计算的SOA框架实现地学空间数据集成与地学应用集成等相关技术，设计了地学空间数据仓库、地学数据ETL工具、一体化存储的地学空间数据模型映射、多维地学空间数据立方体、服务模型映射、空间数据与属性数据有机集成框架，并实现了基于专家知识的岩性判别和蒸发岩沉积韵律旋回模式、基于服务的共享机制优化、地学空间数据分析等研究与研发工作。

流数据分析技术是一种实时或准实时的，对动态数据集合甚至无界时间序列数据进行特征和态势认知的技术，目前已经广泛应用于互联网／移动互联网、物联网、气象、金融等多个领域，支撑运营管理、应用性能管理、监测与测控等多种服务，是大数据的重要研究方向之一。《流数据分析技术》以流数据的基本特征为核心内容，突出流数据与传统大数据的联系与区别，介绍流数据的基本处理方法和分析方法。重点内容包括：流数据与流式计算、流数据处理技术、流数据分析技术、流数据处理模型与处理框架等。《流数据分析技术》还介绍了流数据分析技术的一些新进展及流计算框架的新发展。《流数据分析技术》可作为计算机学科相关专业，特别是数据科学与大数据技术专业的教材。

本书基于开源的OpenStack云计算架构，以企业对云平台应用的需求为主线搭建私有云，主要包括认识云计算及搭建云计算基础服务平台、认证服务、消息队列服务、镜像服务、网络服务、计算服务、存储服务和高级控制服务等相关内容，zui后设置了一个综合实训，帮助读者梳理云计算基础架构平台的部署、配置和管理工作。本书适合作为普通高等院校计算机网络专业或大数据专业的教材，也可作为企业网络、大数据等专业的培训教材，以及计算机爱好者的自学用书。

《大数据应用基础》是将大数据这一计算机前沿科学理论和基本应用有机结合的典型教材，全面介绍了大数据及其相关的基础知识，由浅入深地剖析了大数据的分析处理方法和技术手段，重点介绍了大数据新的发展趋势和技术成果。《大数据应用基础》包括大数据概论、大数据采集及预处理、大数据分析概论、大数据可视化、Hadoop概论、HDFS和Common概论、MapReduce概论、NoSQL技术、Spark概论、云计算与大数据、大数据解决方案及相关案例等内容。《大数据应用基础》体系完整、内容丰富、注重应用、前瞻性强、适用性好，并有开放式的课程教学网站提供技术支持。《大数据应用基础》既可以作为普通高校大数据技术的基础教材，也可以作为职业培训教育及相关技术人员的参考用书。

《大数据平台应用》是结合职业教育的实际情况而开发的云计算技术与应用专业系列教材之一，对云计算技术与应用专业、大数据技术与应用专业的学生及大数据初学者而言是一本不错的入门教程。《大数据平台应用》强调理论知识以够用为度，注重动手能力，在动手中逐渐掌握大数据相关技术。《大数据平台应用》内容包括感知大数据、环视Hadoop、部署Hadoop大数据平台、设计爬虫获取数据源、清洗数据与存储结构化、分析大数据、可视化大数据、平台化快速部署Hadoop等知识。《大数据平台应用》涵盖内容较为广泛，但注重点到为止，方便读者快速入门。《大数据平台应用》不仅可以作为高职高专、应用型本科相关专业的教材，也可以作为云计算培训及自学教材，还可以作为电子信息类专业教师及学生的参考书。