《云计算》以云计算的理论发展和应用创新为主线，对云计算的主要概念、商业价值、相关技术、应用和发展进行了较为全面的介绍。《云计算》包含14章，分为4篇：基础知识篇系统介绍了云计算的基本概念、体系结构、商业价值与发展现状；关键技术篇重点介绍了云计算所涉及的主要技术，包括虚拟化技术、云存储技术、云数据管理技术、云计算的安全技术等；应用服务篇主要介绍了云计算数据中心的规划与建设、广泛应用的开源云计算系统以及国内外著名的云计算产品与服务；产业发展篇分别介绍了云计算产业的政策环境、战略规划以及发展前景。《云计算》坚持系统总结与创新探索相结合，关注国际前沿与中国情景相结合。为了帮助读者学习相关内容，书中穿插了若干小案例，并于每章结尾安排了扩展阅读与思考题。《云计算》可以作为高等院校电子商务及相关专业本科生、研究生的教学用书，也可作为企业领导、技术管理人员、云计算爱好者的学习和参考读物。

《大数据分析技术与应用实践/面向新工科专业建设计算机系列教材》首先从大数据技术概述出发，给出大数据领域的技术概貌及相关应用场景，从而使读者对大数据概念有清晰的认识；其次，《大数据分析技术与应用实践/面向新工科专业建设计算机系列教材》采取top-down模式，先从计算广告这一具有代表性的应用实践着手，阐明大数据技术是如何应用并发挥效用的；再次，依次介绍大数据采集与处理、大数据存储与查询、大数据计算与分析等关键技术；最后，将关键技术引申到两类重要的大数据应用技术：一类是Spark和机器学习应用，另一类是数据可视化应用。以此构建了一个大数据分析技术的基本闭环。除了内容的闭环体系之外，《大数据分析技术与应用实践/面向新工科专业建设计算机系列教材》的另一大特色是将项目实践拆解融入各项关键技术中，从而实现理论与实践的有机融合，满足“新工科”建设的首要需求。《大数据分析技术与应用实践/面向新工科专业建设计算机系列教材》可作为高等院校计算机类专业的大数据分析、应用方面的理论或实践课程的教材，也可供自学者及从事计算机应用、大数据开发等的工程技术人员参考。

本书的第一章、第二章为云计算的基础部分，包括云计算的产生、发展以及基本概念；第三章到第八章为云计算的技术部分，包括实现云计算的关键技术：虚拟化、云安全、分布式文件系统、数据处理与并行编程技术和分布式存储系统；第九章向读者提到了目前存在的一些热门的云计算的应用；第十章为综合实践：主要通过实验了解主流公有云AWS以及国内比较代表性的私有云厂商以及开源私有云Openstack的搭建实践与docker技术结合的实践。

本书采用知识理论与实验案例相结合的方式展开讲述。在相应知识点阐述过程中，以人们在日常工作、学习中经常碰到的具体问题作为案例，结合大数据挖掘和处理的基本理论与知识，展示解决问题的思路和基本方法，从而加强读者对大数据的理解和感性认知，找到大数据应用背后的基本原理和逻辑路径。本书内容主要包括：大数据概述、大数据思维、大数据支撑技术、大数据采集与预处理、大数据分析与挖掘、深度学习与人工智能、大数据可视化。

《大数据技术与应用-微课视频版/大数据与人工智能技术丛书》共分12章，分为基础篇、核心篇和应用篇。基础篇包括大数据概论、大数据集群系统基础、Hadoop分布式系统、HDFS分布式文件系统、MapReduce分布式计算、HBase分布式数据库应用；核心篇包括YARN资源分配、Spark集群计算、Spark机器学习、Hive数据仓库应用、ZooKeeper协调服务；应用篇包括医药大数据案例分析。《大数据技术与应用-微课视频版/大数据与人工智能技术丛书》可以作为高等院校大数据技术相关课程本科生教材，也可以作为大数据技术基础相关课程研究生教材，还可以作为从事大数据相关工作的工程技术人员的参考用书。《大数据技术与应用-微课视频版/大数据与人工智能技术丛书》特点：内容全面：包括大数据概论、大数据集群系统、Hadoop、HDFS、MapReduce、HBase、Spark、Hive、ZooKeeper等内容案例真实：通过项目概述、功能需求分析、软件关键技术、效果展示、系统架构设计、数据存储设计、数据分析、数据展示来呈现一个实际的大数据分析系统平台通用：基于PC+Linux+VMware，搭建Hadoop大数据分析平台

本书作为大数据基础教材，包括七章内容。 前面五章系统、全面地介绍了关于大数据技术及应用的基本知识和技能，后面两章是大数据平台的具体应用和案例实战。 第1章主要介绍大数据相关概念及基础知识； 第2章介绍大数据与人工智能的关系，以及大数据在人工智能中的典型应用； 第3章阐述大数据开发各环节典型技术，使读者能够对大数据系统开发流程及关键技术建立一个相对系统的认知； 第4章较系统地介绍了大数据开发系列平台，并讲解了依托平台的完整大数据应用开发过程； 第5章详细分析了几个典型大数据应用案例的实现过程； 第6章和第7章是结合前五章内容的具体实验，其中第6章介绍了Noah大数据基础引擎管理平台、Dana Studio数智开发平台及PandaBI数智决策平台的操作应用，第7章详细讲解了基于Dana Studio和PandaBI实现政务舆情分析大数据应用的实验过程。 本书遵循理实一体的内容组织原则。理论部分通过大量案例加以演示说明，力求降低读者的阅读门槛；实验部分围绕真实应用案例展开，让读者能够对大数据应用开发建立系统的认知。 本书是大数据相关专业的基础通识教材，可作为高职高专及应用型本科院校计算机类和电子信息类相关专业的专业教材，也可作为其他专业的参考教材，同时也是大数据技术人员的参考读物。

本书介绍了大数据处理中的数据采集、数据存储、数据预处理、数据分析与挖掘等内容，还介绍了使用Python语言进行大数据处理的方法。全书共8章。第1章简要介绍大数据的概念、大数据处理的过程和涉及的不同方面，以及使用Python解决大数据问题的优势。第2章介绍如何安装和准备Python编程环境，包括编译器、集成开发环境（IDE）的安装，以及第三方包的管理和安装方法。第3章介绍获取数据的方法，即如何使用爬虫技术从网站获取网页，并通过解析网页获取其中的数据。第4章介绍数据存储和使用的方法，包括操作常见类型文件的方法，以及操作关系型数据库和NoSQL数据库的方法。第5章介绍如何使用NumPy和Pandas操作数组、矩阵以及如何使用其中的随机数功能。第6章介绍数据预处理的概念，并介绍数据清洗、数据集成、数据转换和数据规约的方法。第7章介绍数据挖掘的常见模型，并介绍利用scikit-learn进行有监督分类、回归预测以及聚类分析的方法。第8章介绍数据可视化基础，包括可视化的过程和如何选择合适的图表，并介绍了利用Matplotlib绘制常见的图表。 本书的第1、2章是基础，第3～8章分别介绍了大数据处理的某一环节。这些章节的内容相互独立，读者在自学时可根据兴趣和时间调整学习顺序。

本书从解决工作实际问题出发，提炼并总结工作中R 语言常用的数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识，在不影响学习和理解的前提下，尽可能地避免使用晦涩难懂的R 语言编程、统计术语或模型公式。如果读者需要了解相关的知识，可查阅相关的图书或资料。 本书的定位是带领R 语言数据分析初学者入门，并解决在学习、工作中使用R 语言进行数据分析的大部分问题或需求。如果读者在入门后还需要进一步学习，可自行扩展阅读相关图书或资料，因为学习是永无止境的，正所谓“师傅领进门，修行在个人”。

本书从法律事务的工作场景出发，介绍了如何利用Word、Excel等办公软件提高法律工作效率的思路和方法。第1章至第6章讲述了在利息计算、工伤赔偿金计算、融资计算、业务管理、案例梳理与分析、文书制作等实际工作中如何制作工具、使用工具，提升工作效率的方法；第7章讲述了在未来遇到新的工作问题后，如何快速解决问题的整体思路。本书适合律师、公司法务，以及提供法律服务的从业者等阅读。

本书主要向读者阐述Excel的使用技巧，共分为“操作”、“函数”、“文件”和“编程”四个章节，内容全部是涉及日常工作的题材，可以让读者更加有效地学习Excel。如果是初次接触Excel的读者，请从开头的“基础篇 Excel入门”开始阅读。“操作”一章主要讲解Excel操作中隐藏的许多简便快捷又高效的操作方法；“函数”一章从Excel数百个函数中筛选出使用度高的函数，并讲解这些重要函数的学习和使用方法；“文件”一章主要介绍Excel格式设置以及布局等调整文件外观的技巧；“编程”一章将结合自带的VBA编程语言，介绍有助于日常工作的编程技巧。