本书是关于大数据和Spark的实用手册。它将助你学习如何用Spark来完成很多大数据分析任务，其中覆盖了高效利用Spark所需要知道的重要主题：如何使用SparkShell进行交互式数据分析、如何编写Spark应用、如何在Spark中对大规模数据进行交互分析、如何使用SparkStreaming处理高速数据流、如何使用Spark进行机器学习、如何使用Spark进行图处理如何监控Spark应用等。

本书将基本概念与实例相结合，由浅入深、循序渐进地对大数据思维、技术和应用做了全面系统的介绍。全书共12章，分为大数据基础篇、大数据存储篇、大数据处理篇、大数据挖掘篇和大数据应用篇。大数据基础篇的内容涵盖了大数据思维理念、大数据的产生与作用、大数据基本概念、大数据采集工具Flume和Scribe、大数据爬虫工具Nutch和Scapy、大数据预处理工具Kettle、大数据处理架构Hadoop；大数据存储篇的内容包含分布式文件存储系统HDFS、海量数据存储数据库系统HBase和海量数据仓库系统Hive；大数据处理篇主要介绍了分布式并发计算批处理模式MapReduce，基于内存的快速处理模式Spark，以及基于实时数据流的实时处理模式Spark Streaming；大数据挖掘篇主要对分类、预测、聚类和关联等各类大数据挖掘算法的原理和使用场景进行了描述，并使用Spark MLlib提供的机器学习算法进行了实例讲解；大数据应用篇分别从大数据场景应用的横向和纵向出发，介绍了大数据在各个功能领域的应用场景和在各个行业的应用场景。

《数据科学手册》对数据科学进行了整体性介绍，涵盖了掌握该学科所需的分析、编程和业务技能等方方面面。找到一个的数据科学家就像是寻找一只独角兽：因为其所需要的技术及技能组合很难在一个人身上兼备。另外，良好的数据科学素养不仅仅是对所训练技能的综合应用，还需要能够灵活考虑所有这些领域，并理解它们之间的联系。《数据科学手册》提供了数据科学的速成课程，将所有必要的技能结合到一个统一的学科体系中。与许多数据分析的书籍不同，《数据科学手册》涵盖了关键的计算机科学和软件工程相关内容，因为它们在数据科学家的日常工作中发挥了极其重要的作用。《数据科学手册》还介绍了经典的机器学习算法，从这些算法的数学基础到实际应用均有描述。《数据科学手册》对可视强调其在数据科学中的核心位置。引入古典统计学的目的是帮助读者用批判性思维对数据进行解释，并指出常见的陷阱。对分析结果的清化工具进行了综述，并晰交流（这也许是数据科学技术中*为薄弱的一个环节）有专门的章节进行讲解，本书对所有涉及的主题均是在解决实际问题的背景下加以解释。

本书以任务为导向，较为全面地介绍了不同场景下Python爬取网络数据的方法，包括静态网页、动态网页、登录后才能访问的网页、PC客户端、App等场景。全书共7章，第1章介绍了爬虫与反爬虫的基本概念，以及Python爬虫环境的配置，第2章介绍了爬取过程中涉及的网页前端基础，第3章介绍了在静态网页中爬取数据的过程，第4章介绍了在动态网页中爬取数据的过程，第5章介绍了对登录后才能访问的网页进行模拟登录的方法，第6章介绍了爬取PC客户端、App的数据的方法，第7章介绍了使用Scrapy爬虫框架爬取数据的过程。本书所有章节都包含了实训与课后习题，通过练习和操作实战，可帮助读者巩固所学的内容。

本书主要介绍Tableau Desktop的应用，全书内容共有5章。第1章介绍了Tableau平台的价值与功能和它所能完成的企业数据重任；第2章是介绍了一些复杂图形，配合详细的数据结构和实现步骤，帮助用户扩展日常分析时所使用的图表池；第3章是对Tableau Desktop功能点的深入应用集合，配合具体实例和应用场景讲解；第4章主要针对数据可视化的设计和实现进行了详细的介绍，附带案例展示；第5章帮助用户发散思维，解锁Tableau Desktop的多种用途。本书旨在帮助读者更加深入地了解Tableau在可视化探索分析以及设计布局方面的应用，适合那些已经使用过Tableau平台一两年的用户，如相关的企业用户、数据分析师和数据爱好者。此外，考虑到还有很多刚开始接触Tableau的读者，本书的所有内容都尽可能通俗易懂，确保新手也能够理解Tableau的相应功能点，并能掌握每个复杂应用的具体实现方式。

本书以面向应用、面向实战为指导思想，紧扣企业技术人才培养的特点，在知识点讲解和实验中避免复杂的理论，使读者能快速上手体验、验证大数据处理的魅力，以激发读者的学习兴趣。 本书覆盖了大数据生命周期中的主要技术要点，全书共8章，第1章介绍大数据的产生和特点及思维的变革，第2章了解大数据生态系统，第3～7章按照大数据的生命周期，分别讨论大数据采集与预处理、大数据管理、大数据分析、大数据可视化、大数据应用的基本原理和方法，第8章讨论大数据安全面临的挑战。 本书可作为本科、高职院校大数据技术或数据科学课程的参考书或教材，也可供数据科学相关技术人员阅读。

本书以翔实的原理讲解和充实的实战代码剖析，全面阐述了Spark Streaming流式处理平台，便于读者能够从入门开始了解搭建Spark平台，在此基础上学习流式处理框架，并动手实践，进行Spark Streaming流式大数据处理，包括与主流平台框架，如Kafka、Redis和ZooKeeper的对接应用等，并介绍了项目实战中的一些开发和调优策略。读者能够通过本书快速搭建Spark平台，并根据自己面临的使用场景快速搭建处理平台，同时能够了解背后的原理，对调优、开发都能起到一定的指导作用。本书适合大数据处理人员，尤其是基于流式大数据处理的人员阅读，本书也可以作为大数据处理人员的常备工具书随时翻阅。

《Word 2016文档处理案例教程》以通俗易懂的语言、翔实生动的案例全面介绍使用Word 2016进行文档处理的操作方法和技巧。全书共分12章，内容涵盖了Word 2016入门基础，Word文本的输入和编辑，设置文本和段落，插入表格，插入修饰对象，设置页面版式，使用其他排版功能，编排Word长文档，使用宏、域和公式，Word文档的网络应用，文档的保护、转换与打印，Word综合案例应用等。 书中同步的案例操作二维码教学视频可供读者随时扫码学习。《Word 2016文档处理案例教程》还提供配套的素材文件、与内容相关的扩展教学视频以及云视频教学平台等资源的电脑端下载地址，方便读者扩展学习。《Word 2016文档处理案例教程》具有很强的实用性和可操作性，是一本适合于高等院校及各类社会培训学校的优秀教材，也是广大初、中级计算机用户的选参考书。

熟练使用PowerPoint制作与设计幻灯片，已成为职场人士需要的职业技能。本书以PowerPoint 2016软件为平台，从办公人员的工作需求出发，配合大量典型实例，全面而系统地讲解了PowerPoint 2016在总结报告、培训教学、宣传推广、项目竞标、职场演说及产品发布等领域的设计与应用。　《PPT 2019完全自学教程》既适用于职场中PPT小白学习，也适合有一定的PPT制作基础，但总困于无法设计出更吸引人的PPT中级用户学习，还适合刚毕业或即将毕业走向工作岗位的广大毕业生。同时，也可以作为广大职业院校、电脑培训班的教学参考用书。

《Excel与数据处理（第6版）》较全面地介绍了Excel 2016在数据的组织、管理、运算、分析、图表处理和商业智能等方面的强大功能，主要包括：数据输入、数组公式、图表设计、函数、名称、表格结构变换、表与结构化引用、数据模型、数据仓库、M语言、DAX语言等基础知识；Excel与外部数据交换、Microsoft Query、SQL等数据链接和查询功能；数据排序、查找、透视、筛选、迷你图、切片器、分类汇总、数据建模等数据管理功能；数据审核、单变量求解、模拟运算、方案分析、规划求解、度量公式等数据运算和分析功能；Power Query数据清洗与整合、Power Pivot数据建模与分析、Power View数据可视化等商业智能数据处理方面的内容。《Excel与数据处理（第6版）》通俗易懂，内容翔实，重视知识性和实用性的结合，每章配有相应的习题，可作为数据科学（大数据）、经济管理、财政金融、统计、文秘等专业数据分析课程的教材，也可作为计算机应用和办公自动化方面的培训教程或参考用书。