本书全面地讲解了在科学领域广泛运用的微积分、概率论与数理统计、线性代数、数值计算、多元统计分析等数学基础知识。全书共6章：第1章介绍了大数据与数学、数学与Python的关系；第2章介绍了微积分的基础知识，包括极限、导数、微分、不定积分与定积分等；第3章介绍了概率论与数理统计的基础知识，包括数据分布特征、概率与概率分布、参数估计、假设检验等；第4章介绍了线性代数的基础知识，包括行列式、矩阵的运算和特征分解、奇异值分解；第5章介绍了数值计算的基础知识，包括插值法、函数逼近与拟合、非线性方程（组）求根；第6章介绍了常用的多元统计分析方法，包括回归分析、判别分析、聚类分析、主成分分析、因子分析和典型相关分析。本书示例大都结合Python进行求解分析，且每章都有课后习题，可以帮助读者巩固所学的内容。

《云上运维及应用实践教程》是典型的项目案例化教材，共分为12章，主要内容以架构一个典型企业的云服务器、云数据库服务器、云存储服务器、负载均衡、高速缓存等，能满足企业基本云服务的功能为主线，通过一个个典型的任务逐步完成企业云计算服务的搭建。该书将一个完整的云服务工程案例细化成相对独立的工作任务，每个工作任务中既有技术原理知识的讲解，也包括基本实操训练的内容，再通过若干前后衔接的工作任务完成相对独立的项目乃至整个工程案例。为了方便广大读者学习，书中涉及的所有任务的模拟操作都可以在阿里云平台（www.aliyun.com）上实现，也可以使用该书附赠的体验券在云计算课程实训平台（yunwei.chinamoocs.com/senior）上进行操作。读者还可以通过扫描书中的二维码观看微课视频以及获取习题参考答案。《云上运维及应用实践教程》可作为高等院校云计算技术与应用、计算机网络技术、计算机应用技术、移动应用技术等相关专业的教材，也可供广大从事云计算相关工作的工程技术人员参考。

《大数据统计基础/普通高等教育“十三五”规划教材》详细介绍了大数据统计基础理论与方法。全书共分10章，第1、2章为概率论部分，第3、4章为随机过程部分，第5～10章为数理统计部分。主要内容包括随机事件与概率、随机变量及其数字特征、泊松过程、马尔可夫链模型、数理统计的基本概念、参数估计、假设检验、方差分析、线性回归分析、机器学习常用统计分析方法等。《大数据统计基础/普通高等教育“十三五”规划教材》可供高等院校大数据专业、计算机专业及其他理工类专业的本科生使用，也可供相关专业从业人员参考。

《大数据技术基础》围绕大数据技术基础，重点介绍了大数据存储系统（分布式文件系统和NoSQL数据库）、大数据处理框架（Hadoop的MapReduce、Spark及实时处理框架Storm和Flink）、大数据仓库技术（Hive、Druid等）、大数据多维分析（Kylin）、大数据可视化技术和大数据综合应用等，以及当今主流的大数据平台构建技术和开源组件实践知识，可以指导读者全面、系统地掌握大数据各层的实现方案，开展各领域的大数据实践。《大数据技术基础》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。

暂缺简介...

本书是化学工业出版社出版的《计算机办公应用Win 7+Office 2010》配套上机实训教材，主要由实训项目与全国计算机等级考试一级计算机基础及MS Office模拟试题两部分组成。实训内容主要包括计算机基础知识、计算机操作系统Win 7、计算机网络基础及应用、文字处理Word 2010、表格处理Excel 2010、演示文稿PowerPoint 2010六个模块，各实训模块均贴近日常办公应用，讲解通俗易懂，操作性强。附录模拟试题包含全国计算机等级考试一级计算机基础及MS Office中全新模拟理论知识题及操作试题，贴近计算机等级考试大纲要求。 本书作为高职高专院校计算机应用基础配套实训教材，完全针对计算机等级考试一级MS考试考生。 本书可供高职高专非计算机各专业作为普及计算机知识的通识课程教材使用，还可供对计算机感兴趣的社会各界人士阅读参考。

理解Cassandra的分布式和去中心化结构。 .使用Cassandra查询语言（CQL） 和cqlsh（CQL shell）。 .创建一个实用的数据模型，并与等价关系型模型比较。 .使用不同语言的客户端驱动程序开发示例应用，包括Java、Python和Node.js。 .研究集群拓朴，了解节点间如何交换数据。 .维持集群的高性能水平。 .现场部署、云环境部署或利用Docker部署Cassandra。 .Cassandra与Spark、Hadoop、Elasticsearch、Solr和Lucene集成。

《Python数据分析与大数据处理从入门到精通》主要讲解数据分析与大数据处理所需的技术、基础设施、核心概念、实施流程。从编程语言准备、数据采集与清洗、数据分析与可视化，到大型数据的分布式存储与分布式计算，贯穿了整个大数据项目开发流程。本书轻理论、重实践，目的是让读者快速上手。1篇首先介绍了Python的基本语法、面向对象开发、模块化设计等，掌握Python的编程方式。然后介绍了多线程、多进程及其相互间的通信，让读者对分布式程序有个基本的认识。第2篇介绍了网络数据采集、数据清洗、数据存储等技术。第3篇介绍了Python常用的数据分析工具，扩展了更多的数据清洗、插值方法，为最终的数据可视化奠定基础。第4篇是大数据分析的重点。首先介绍了Hadoop的框架原理、调度原理，MapReduce原理与编程模型、环境搭建，接着介绍了Spark框架原理、环境搭建方式，以及如何与Hive等第三方工具进行交互，还介绍了新的结构化流式处理技术。第5篇通过三个项目实例，综合介绍了如何分析网页、如何搭建分布式爬虫、如何应对常见的反爬虫、如何设计数据模型、如何设计架构模型、如何在实践中综合运用前四篇涉及的技术。本书既适合非计算机专业的编程“小白”，也适合刚毕业或即将毕业走向工作岗位的广大毕业生，以及已经有编程经验，但想转行做大数据分析的专业人士。同时，还可以作为广大职业院校、电脑培训班的教学参考用书。

本书以案例教学的方式为读者系统地介绍了Word/Excel/PPT 2019的相关知识和应用技巧。全书共18章。第1～4章主要介绍Word 2019的相关操作，包括基本操作、美化文档、长文档的排版与设计和审阅与处理文档等内容。第5～10章主要介绍Excel 2019的相关操作，包括基本操作、工作表的修饰、公式和函数的应用、Excel数据管理与分析、数据透视表/图的应用和查看与打印工作表等内容。第11～14章主要介绍PPT 2019的相关操作，包括基本操作、设计图文并茂的演示文稿、为幻灯片设置动画及交互效果和演示文稿演示等内容。第15～18章主要介绍Office 2019在不同行业中的应用。本书附赠与教学内容同步的视频教程及案例的配套素材和结果文件。此外，还赠送了大量相关学习内容的视频教程及扩展学习电子资源。本书不仅适合计算机的初、中级用户学习使用，也可以作为各类院校相关专业学生和计算机培训班学员的教材或辅导用书。

《Excel统计分析与应用教程》通过大量的教学案例系统讲解Excel在数据统计分析中的应用。全书分3部分，共12章。第1部分（第1、2章）主要介绍Excel的基础知识；第2部分（第3～11章）以统计分析理论为主线，介绍Excel在数据统计分析中的具体应用，主要包括描述性统计分析、抽样分布与几种重要的分布、参数估计、假设检验、方差分析、相关分析、回归分析、聚类分析、主成分分析与因子分析；第3部分（第12章）通过4个综合案例介绍Excel在农业生产、医学、社会科学和经济管理领域中的应用。《Excel统计分析与应用教程》内容注重实践性，通过实际问题的引入和解决来讲解相关的理论知识、技术和方法，将抽象、复杂的概念和理论通过实例直观地展现出来，使读者不仅可以掌握数据统计分析的理论知识，而且可以学会使用Excel解决实际的数据统计分析问题的方法。《Excel统计分析与应用教程》可作为高等学校统计学相关课程的教材，也可以作为统计分析人员的参考书和专业培训教材。