《Power Query数据处理之M函数入门与应用（案例·视频）》共10章，以M函数类别为主线，结 合大量的实际案例，介绍各种M函数的基本语法规则及其在实际数据处理中的应用。M函数包括文本 函数、日期函数、时间函数、数字函数、列表函数、表函数和数据访问函数等。 《Power Query数据处理之M函数入门与应用（案例·视频）》以案例的形式进行教学，重难点章节 配备了视频讲解。全书包含了85个案例演示操作，一步一图详解操作步骤，重难点章节配备了21节的视 频讲解，最大程度地方便读者自学。 《Power Query数据处理之M函数入门与应用（案例·视频）》适合具有Excel基础知识以及经常处理 大量数据的各类人员阅读，也可作为高等院校经济管理类本科生、研究生和MBA学员的教材或参考书。

本书是一本全面介绍如何利用Python自动化处理各类案头工作的实战教程。全书共11章，第1～3章介绍自动化办公的优势及需要掌握的Python必备基础知识；第4～7章介绍如何自动化操作Excel表格、Word文档、PPT文件和PDF文件等，读者可将所学知识直接应用于日常工作；第8～11章介绍如何实现其他软件的自动化操作，如自动组织文件、浏览器自动化、邮件自动化、图形用户界面软件自动化等，进一步拓宽办公自动化的应用范围。本书理论知识精练、代码简单、思路清晰、学习资源齐备，适合有一定办公软件使用基础又想进一步提高工作效率的办公人员，如从事行政、人事、营销、财务等职业的人士阅读，也可供Python编程爱好者参考。

这是一本将数据科学三要素一一商业理解、量化模型、数据技术全面打通的实战性著作，是来自腾讯、滴滴、快手等一线互联网企业的数据科学家、数据分析师和算法工程师的经验总结，得到了SQLFlow创始人以及腾讯、网易、快手、贝壳找房、谷歌等企业的专家一致好评和推荐。　《数据科学工程实践：用户行为分析与建模、A/B实验、SQLFlow》三个部分，内容相对独立，既能帮助初学者建立知识体系，又能帮助从业者解决商业中的实际问题，还能帮助有经验的专家快速掌握数据科学的新技术和发展动向。内容围绕非实验环境下的观测数据的分析、实验的设计和分析、自助式数据科学平台3大主题展开，涉及统计学、经济学、机器学习、实验科学等多个领域，包含大量常用的数据科学方法、简洁的代码实现和经典的实战案例。　第1部分（第1-6章）观测数据的分析技术　讲解了非实验环境下不同观测数据分析场景所对应的分析框架、原理及实际操作，包括消费者选择偏好分析、消费者在时间维度上的行为分析、基于机器学习的用户生命周期价值预测、基于可解释模型技术的商业场景挖掘、基于矩阵分解技术的用户行为规律发现与挖掘，以及在不能进行实验分析时如何更科学地进行全量评估等内容。第二部分（第7～9章）实验设计和分析技术　从A/B实验的基本原理出发，深入浅出地介绍了各种商业场景下进行实验设计需要参考的原则和运用的方法，尤其是在有样本量约束条件下提升实验效能的方法及商业场景限制导致的非传统实验设计。　第三部分（第10～12章）自助式数据科学平台SQLFlow　有针对性地讲解了开源的工程化的自助式数据科学平台SQLFlow，并通过系统配置、黑盒模型的解读器应用、聚类分析场景等案例帮助读者快速了解这一面向未来的数据科学技术。

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。

本书共分11章，以成功打造品牌的11个实操步骤为行文逻辑，分别介绍了“圈脑”为上、奇货可居、善解人意、价值独占、演绎传奇、符号记易、创优体验、借势用巧、汇聚百工、文案攻心、心中有数等内容，为企业从无到有创建品牌，提供系统专业、卓有成效的实操方法论及实用战术工具。

本书是在新工科背景下编写的一本综合大数据基本理论知识与应用技术的兼顾“通识教育”和大数据相关专业教育的教材。本书从解析数据、大数据基础理论入手，描述大数据应用的多侧面场景，讲解大数据的存储于管理工具，大数据分析的基本方法，以及大数据可视化等相关知识。本书在内容安排上，力求体现“能进入、快适应、解需求、重实践”的宗旨，以“小”的数据应用实例讲解“大数据”的知识框架和相关技术，使应用实例贯穿全书。本书的“通识教育”特色，使其可以作为所有专业的本科生学习大数据技术、培养“计算思维”能力的教材，也可作为大数据相关专业的入门教材，以及广大计算机学习者的培训用书和自学参考书。

在人工智能时代，不论是否从事大数据开发，掌握大数据的原理和架构早已成为每个工程师的必备技能。本书结合作者多年大数据开发、应用的经验，深入浅出地阐述大数据的完整知识体系，帮助读者从不同视角找到大数据方向的突破口，真正从普通开发者晋升为拥有大数据思维并能解决复杂问题的技术专家。本书一共分为7章，分别是大数据的前世今生与应用场景、Hadoop大数据原理与架构、大数据生态体系主要产品原理与架构、大数据开发实践、大数据平台与系统集成、大数据分析与运营、大数据算法与机器学习。本书既可作为初学者了解大数据技术的入门指南，也可作为有一定经验的工程师深入理解大数据思维的有益参考。

暂缺简介...