《大数据计算机基础（第2版）/大数据分析统计应用丛书》是中国人民大学、北京大学、中国科学院大学、中央财经大学、首都经济贸易大学五所高校联合培养大数据分析硕士实验班的计算机基础教材，目标是培养学生掌握大数据分析处理必备的计算机基础知识与技能。

本书系统介绍了大数据基础知识和相关技术，全书分为大数据概述篇、大数据存储与管理篇、大数据采集与预处理篇、大数据分析与挖掘篇、大数据平台Hadoop实践与案例分析篇。全书共15章，主要内容包括大数据基本概念、大数据存储与管理概念及技术、大数据采集及预处理技术、大数据计算模式、大数据分布式并行处理框架Hadoop、大数据分布式文件系统HDFS、大数据分布式数据库系统HBASE、大数据Hadoop平台操作实践及具体大数据预测应用案例分析。

本书基于Spark 2.4.x新版本编写，从Spark核心编程语言Scala讲起，涵盖当前整个Spark生态系统主流的大数据开发技术。全书共9章，第1章讲解Scala语言的基础知识，包括IDEA工具的使用等；第2章讲解Spark的主要组件、集群架构原理、集群环境搭建以及Spark应用程序的提交和运行；第3~9章讲解离线计算框架Spark RDD、Spark SQL和实时计算框架Kafka、Spark Streaming、Structured Streaming以及图计算框架GraphX等的基础知识、架构原理，同时包括常用Shell命令、API操作、内核源码剖析，并通过多个实际案例讲解各个框架的具体应用以及与Hadoop生态系统框架Hive、HBase、Kafka的整合操作。 本书内容丰富，以实操案例为主，理论为辅，可作为Spark新手的入门书，也可作为大数据开发人员和从业者的学习用书，还可以作为培训机构或大中专院校的教学用书。

本书主要结合作者多年对企业信息化规划、SOA、大数据以及云计算等方面的技术研究以及平台建设实践，以“平台+应用”和SOA服务化核心理念为指导思想，围绕如何降低企业IT建设成本、提升IT资源利用率、打破企业烟囱式系统建设模式、提升系统建设规范等核心诉求，主要阐述了企业私有云平台建设的总体框架、平台规划、架构设计、平台治理管控等核心内容。同时基于国内大型企业一线项目实践，总结提炼了企业私有云平台建设的核心方法论、标准规范和建设流程，为企业进行私有云平台建设提供可借鉴、可参考的一整套指导方法与思路。

三支决策是一种基于人类认知过程的粒计算研究方法。《三支决策与大数据分析》从大数据决策环境入手，以三支决策作为目标对象，以粒计算理论为指导思想，以大数据分析为核心技术，以机器学习相关方法为研究手段，研究三支决策与大数据分析模型的构建、算法的实现、方法的应用。《三支决策与大数据分析》的相关研究内容能够适应大数据分析需求和更复杂的决策环境，扩大三支决策和粒计算理论的实际应用背景，力图展现国内外三支决策与大数据分析的新研究成果，并在理论、方法和应用上给出一套处理不确定性大数据问题的系统研究体系。

《大数据处理：从采集到可视化》共分为9章，章数据采集，主要介绍了大数据的概念、类型及其特征，常见的数据采集方法；第2章数据清洗，主要讨论数据质量的维度，数据可能存在的质量问题，常见的数据清洗方法；第3章数据ETL，重点介绍了MGO方法；第4章数据存储，主要介绍了大数据时代的一些主流数据存储平台和相关技术；第5章回归算法，主要介绍了线性回归、决策树回归、随机森林回归等，并介绍了其实现的主要步骤以及相应的Python语言实现代码；第6章分类算法，主要介绍了逻辑回归二分类和多分类、度提升分类树等；第7章聚类算法，主要介绍了分割聚类、层次聚类、基于密度的聚类；第8章推荐算法，主要介绍了基于关联规则的推荐、基于内容过滤的推荐等主流方法；第9章数据可视化的关键技术，主要介绍了数据的降维、可视化隐喻及相关的交互技术。

本书系统地讲解了Tableau Prep Builder和Tableau Desktop的原理与实践应用。全书以可视化分析、Tableau计算为重点，详细介绍了如何理解数据的层次、如何使用Tableau Prep Builder整理和准备数据、如何使用Tableau Desktop开展敏捷数据分析、Tableau高级互动，特别是深入介绍了Tableau的各种计算，从而以有限的数据实现无限的业务场景分析。 全书贯穿数据与问题的层次分析方法，并用实例加以说明，不仅适合希望系统学习Tableau的初学者，而且适合Tableau的中高级分析师。

Power Pivot，又称超级数据透视表，是Excel 中一个全新的、强大的数据分析工具，堪称Excel 的一项革命性的更新。本书将带你快速学习并掌握Power Pivot 数据建模与DAX（数据分析表达式）的相关内容，帮助你显著提升Excel 数据分析能力。 本书在Power Pivot 与DAX 的讲解上具有一定的新颖性、独特性，读者对象为具有一定Excel 基础，并且对传统Excel 数据透视表有所了解的Excel 中高级用户。希望读者通过阅读本书，能够在较短的时间内熟悉并使用Power Pivot 和DAX。

本书从解决工作实际问题出发，以工作中常用的数据分析方法分类为主线，介绍如何用Excel进行工作常用信息图的绘制方法与技巧，主要包括KPI达成分析、对比分析、结构分析、分布分析、趋势分析、转化分析六大数据分析方法的常用信息图。 本书定位是带领大家学习工作中常用信息图Excel的绘制方法与技巧，并能解决工作中大部分的问题或需求。入门后如还需要进一步进阶学习，可自行扩展阅读相关书籍或资料，学习是永无止境的，正所谓“师傅领进门，修行在个人”。

《Excel统计分析：方法与实践》简要介绍频数、集中量数、差异量数、相关系数、抽样、正态分布概率、二项分布概率、泊松分布概率、参数估计、回归分析、方差分析、相关分析、非参数检验、主成分分析、因子分析、聚类分析、判别分析、预测分析、层次分析等统计分析原理和计算方法，重点介绍利用Excel函数和数学分析工具方法进行统计分析的方法，同时介绍数据整理、制作表格、绘制图表、数据填充、数据验证、数据排序、数据筛选、定义名称、条件格式、自定义格式、数据透视表、删除重复项、单变量求解、规划求解等实用技巧，将统计理论及其在Excel 2016平台的实现方法完美地结合起来，在一定程度上达到学习一本书熟悉一门科学和掌握一套工具的实用效果。 《Excel统计分析：方法与实践》内容丰富、实用，操作详细、具体，非常适合统计课程的师生和有统计分析需求的人员参考。