数据预处理是进行数据挖掘前必不可少的准备工作，更是数据挖掘中的关键一步。数据预处理一方面可以保证数据挖掘的正确性和有效性；另一方面通过对数据格式和内容的调整，可使数据更符合挖掘的需要。《大数据预处理技术/大数据专业应用型人才培养规划教材》采用理论与实践相结合的方式，详细讲解了如何通过Ketle和Python实现数据预处理。《大数据预处理技术/大数据专业应用型人才培养规划教材》可作为高等院校数据科学与大数据技术、计算机、信息管理等相关专业课程的教材，参考课时为64课时。

《Hadoop大数据技术与应用/大数据专业应用型人才培养规划教材》作为Hadoop的入门教材，采用理论与实践相结合的方式，全面介绍了Hadoop大数据技术。它将帮助您：·使用Hadoop分布式文件系统（HDFS）来存储海量数据集，通过MapReduce对这些数据集进行分布式计算。·使用Hadoop YARN资源管理器统一管理和调度Hadoop资源。·熟悉Hadoop的数据和I／O构件，用于压缩、数据集成、序列化和持久处理。·洞悉编写MapReduce实际应用时的常见陷阱和高级特性。·设计、构建和管理一个专用的Hadoop集群或在云上运行Hadoop。·使用高级查询语言Pig来处理大规模数据。·利用Hadoop数据库HBase来保存和处理结构化／半结构化数据。·利用HIVE数据仓库工具对Hadoop文件中的数据集进行数据整理、特殊查询和分析存储。·利用SqoopSqoop在关系数据库以及Hadoop数据存储和处理平台进行数据导入、导出。·学会利用ZooKeeper来构建分布式系统。·学会利用Ambari来构建、管理、监控Hadoop生态的集群。《Hadoop大数据技术与应用/大数据专业应用型人才培养规划教材》直接将相关行业典型案例作为实验教学内容编入，展示了如何用Hadoop解决实际行业场景中的问题，对实际操作更有针对性。《Hadoop大数据技术与应用/大数据专业应用型人才培养规划教材》可作为高等院校数据科学与大数据技术、计算机、信息管理等相关专业的大数据入门教材。

《大数据导论/大数据专业应用型人才培养规划教材》从系统理论的角度出发，介绍大数据技术理论体系的基础知识，力求培养读者对于大数据理论体系的通识化和整体性的认知能力。《大数据导论/大数据专业应用型人才培养规划教材》内容包括什么是大数据、大数据技术基础、数据采集与预处理、大数据存储与管理、大数据计算框架、数据挖掘、数据可视化、大数据与云计算、大数据与人工智能。《大数据导论/大数据专业应用型人才培养规划教材》内容共9章，深入浅出地介绍了大数据技术的框架和流程，并对大数据的技术热点做了重点描述和展望。第1章阐述了大数据技术的基本定义，并系统介绍了大数据技术的来龙去脉，以使读者能够正确理解大数据的概念，为后面的学习做好准备。第2章全面介绍了大数据的主要实用信息技术，使读者对支撑大数据发展的基础技术有一个全面的了解。第3章阐述了大数据的采集和预处理技术，介绍了大数据的数据采集方法、数据来源和数据预处理。第4章深入讲解了大数据的存储与管理，重点介绍了大数据时代数据库存储技术的发展和变化，让初学者了解大数据时代的数据存储和管理技术。第5章讲解了大数据的计算框架，介绍了常用的大数据计算平台。第6章阐述了目前大数据技术的关键内容即数据挖掘，重点介绍了常用的数据挖掘算法，为读者未来的深入学习打下基础。第7章讲解了数据可视化技术，介绍了数据可视化的相关概念和工具。第8章结合时代热点介绍了大数据与云计算的关系。第9章讲解了人工智能的概念、发展历史、研究方向和技术方法，展望了在大数据背景下的人工智能发展趋势。

《数典 ： 大数据标准术语体系 ： 汉、阿、英、法、德、意、日、韩、葡、俄、西对照》名《数典》，定义为大数据标准术语体系，是迄今为止全球首部全面系统研究大数据标准术语的多语种专业工具书。《数典 ： 大数据标准术语体系 ： 汉、阿、英、法、德、意、日、韩、葡、俄、西对照》以全球语境和未来视角，对大数据知识体系进行了全面梳理，提出了九个方面的术语架构，并以十一种语言对照编纂，形成了统一规范、符合国际通用规则的多语种学术话语体系和术语标准体系。

本书旨在为数据分析生命周期提供一个全面和实用的指南，并着重于为组织打造行之有效的数据分析能力。全书分为三部分，第壹部分分析基础篇，讨论了如何通过整合组织的人员、流程、技术和数据等资源来实现这样的分析能力；第二部分分析生命周期*佳实践篇，介绍了不同种类的分析产品和服务，以及如何支持分析产品或服务的设计、开发和交付；第三部分分析能力卓越常青之道，围绕如何让分析产品对组织的完善和持续改进产生*大作用展开讨论，内容包括如何衡量分析项目的效率和效果两个方面，以及如何应用行为经济学、社会心理学和变革管理等其他学科的经验和知识改进和完善分析过程。

《可信网络与可信云服务》主要介绍了可信计算与云安全方面的新研究成果，阐述了采用可信云安全技术解决云计算可信和安全问题的方法，以及可信计算与云安全的关键技术，探讨和分析了可信计算与云服务领域的研究热点，对云安全的发展方向和发展路径进行了展望。

k-均值算法是数据聚类的核心算法，是**入选数据挖掘领域的十大算法的聚类算法。在实际系统中使用的聚类算法基本就是k-均值算法。本书是第一部专门讨论k-均值算法的著作，对k-均值算法的理论和方法、各类衍生算法、各种改进方法进行全面而系统地介绍。全书共4章：第1章讨论聚类问题和发展历史；第2章介绍k-均值算法基础以及k-均值算法和其他聚类算法的联系；第3章介绍k-均值算法的各类衍生算法；第4章介绍k-均值算法的改进方法。

《大数据营销》主要围绕大数据营销的相关理论以及数据处理技术来展开，力争让读者对大数据营销的概念有一个初步的认识，同时能够进行相关的数据分析和处理。《大数据营销》既梳理了大数据营销的理论和基础知识，也介绍了相关大数据分析工具、数据分析和可视化等的基本原理与操作逻辑及其在营销中的应用。

本书主要分析了Kubernetes核心功能的实现原理，是一本帮助读者了解Kubernetes架构设计及内部原理实现的书。由于Kubernetes代码量较大，源码不容易理解，所以本书将梳理相关知识点，帮助读者快速学习。本书共分为8章，第1章简要介绍了Kubernetes架构的核心组件，以及每个核心组件在架构中的作用；第2章主要介绍了Kubernetes构建过程中的源码实现；第3章主要介绍了Kubernetes的核心数据结构定义及围绕资源展开的核心功能；第4章主要介绍了kubectl命令行交互工具的实现机制；第5章主要介绍了client-go编程式交互工具的实现机制；第6章主要介绍了Etcd存储的核心实现；第7章主要介绍了kube-apiserver组件的核心实现；第8章主要介绍了kube-scheduler组件的核心实现。

《Kubernetes微服务实战》详细介绍如何进行微服务的开发并将其部署在Kubernetes平台上，是一本微服务真正落地实施的实用指南。《Kubernetes微服务实战》中从微服务的架构设计、构建、配置、测试、监控、安全，到持续集成/持续交付流水线，全面且深入地阐释微服务系统开发的核心技术及实践，并提供详细的示例代码。首先，《Kubernetes微服务实战》解释微服务和Kubernetes背后的基本概念，讨论一些现实世界中的关注点和权衡取舍，引导你完成基于微服务的系统开发，向你展示好的实践并给出大量建议。然后，《Kubernetes微服务实战》深入地探索其中的核心技术，并提供了可操作的代码进行说明。你将学习如何进行基于微服务的架构设计、构建微服务、测试已构建的微服务，以及将它们打包为Docker镜像。最后，你将学习如何通过这些Docker镜像部署应用系统到Kubernetes并进行管理。在此过程中，你将会看到当今流行的发展趋势，例如自动持续集成/持续交付（CI/CD）、基于gRPC的微服务、无服务器计算和服务网格等。通过阅读《Kubernetes微服务实战》，你将获得大量基于Kubernetes和微服务的大型云原生系统的设计、开发和管理的知识及动手经验。Kubernetes是目前流行的开源平台之一，主要用于集群中应用程序容器的自动化部署、扩展和维护，提供了一个以容器为中心的基础设施框架。《Kubernetes微服务实战》深入介绍Kubernetes和微服务之间的协同关系。你将学习如何使用示例应用程序Delinkcious，它将作为贯穿全书的动手实验，帮助你在实际应用程序的上下文中理解微服务和Kubernetes的概念。接下来，你将了解如何设置CI/CD流水线以及使用KubernetesConfigMap配置微服务。在《Kubernetes微服务实战》后面的章节中，你将获得微服务安全和实现REST、gRPCAPI和Delinkcious数据存储的实战经验。除此之外，《Kubernetes微服务实战》还探索了Nuclio项目，介绍如何在Kubernetes上运行一个无服务器任务，并管理和实现数据密集型测试。在最后几章中，你将在Kubernetes上部署微服务，并学习如何做好系统的监控。最后，你将逐渐发现服务网格的重要性，以及如何将lstio集成到Delinkcious集群中。阅读《Kubernetes微服务实战》后，你将通过有效的工具和实践获得在Kubernetes上实现微服务所需的技能。通过阅读《Kubernetes微服务实战》，你将学到：理解Kubernetes和微服务之间的协同关系。在Kubernetes上为你的微服务创建一个完整的Cl/CD流水线。通过Gokit框架实践在Kubernetes上开发微服务。使用Kubernetes与开源工具管理和监控系统。通过REST和gRPCAPI对外开放服务。在Kubernetes上将无服务器函数作为服务实现并部署。通过服务网格实现认证、授权和流量整形。在谷歌Kubernetes引擎上运行云中的Kubernetes集群。