本书是围绕我国国民经济和社会发展第十四个五年规划和2035 年远景目标等重大要求， 由中国通信学会、中国产业发展研究院联合组织编写的“新基建核心技术与融合应用丛书” 之一。大数据技术的战略意义不在于掌握庞大的数据信息， 而在于对这些含有意义的数据进行专业化处理。换而言之， 如果把大数据比作一种产业， 那么这种产业实现盈利的关键在于提高对数据的“加工能力”， 通过“加工” 实现数据的“增值”。本书立足数字经济浪潮， 以促进数据合规高效流通使用、赋能实体经济为主线， 重点围绕大数据采集、流通、安全、治理及应用等全生命周期进行编写， 覆盖大数据存储、计算、管理、安全与治理、资产管理与流通、分析、平台、产业与应用等环节， 对培育新质生产力， 推动我国数字经济高质量发展具有重要参考价值。本书适合IT、金融、研究机构相关从业人员以及高等院校相关专业的学生使用， 也可供对大数据感兴趣的读者阅读。

本书系统地阐述信息传播问题中所涉及的各种传播模型、数学优化方法以及计算方法等，并通过对大量信息传播的实际问题进行了建模与分析。该著作将为人工智能、大数据、管理科学、运筹学、人文社会科学等领域开展相关研究的本科生、研究生以及学者提供重要的参考。

本书从大数据和人工智能的角度，系统、全面介绍海洋预测预报与挖掘分析技术。全书分为三个部分：第一部分（第1～3章）是数据部分，对海洋大数据的特征、资源分析、处理评估、平台架构、存储管理、分析处理等进行阐述；第二部分（第4～5章）是方法部分，介绍基于机器学习的海洋大数据典型挖掘分析方法，包括回归方法、聚类方法、关联方法、分类方法及可视分析方法，并给出典型的深度学习预测方法；第三部分（第6～10章）是应用部分，展示利用海洋大数据处理方法对各类海洋数据进行分析预报的成果，包括对海表温度、海面高度、海洋三维温盐、台风路径和赤潮发生概率的分析预报。

本书深入探讨了大数据技术的核心概念和实际应用。从大数据的基础架构Hadoop开始，逐步解析了分布式协调服务Zookeeper、数据仓库Hive、面向列的数据库HBase等关键技术。此外，还介绍了数据迁移工具Sqoop、数据采集工具Flume、发布订阅消息系统Kafka等实用工具。本书还深入讲解了数据处理分析引擎Spark、全文搜索引擎Elasticsearch及分布式处理引擎Flink的工作原理和应用实例。最后，通过电商推荐系统实战和Flink实现电商用户行为分析两个案例，展示了大数据技术在实际业务中的应用。本书附带全书实例源代码、电子版本教程（下载方式见封底），以及可扫码观看的长达13个小时的部分实例操作视频，帮助读者更深入了解大数据技术的具体内容，非常适合对大数据技术感兴趣的读者，尤其是想要深入了解大数据技术原理和应用的开发者和管理者阅读。

洞见产业新生态，解码数字新经济行业场景真实展示 实际案例深度梳理，感受数字转型路径风格谭建荣院士、郭华东院士、邬贺铨院士、张宏科院士 共同推荐《产业数字化——释义、场景及应用案例》以《“十四五”数字经济发展规划》中产业数字化部分的核心内容为纲领，从入选工业和信息化部的大数据产业发展示范项目中，选取了具有产业代表性的来自生产一线的数字化转型实践案例，连同数字化建设和转型的共性基础内容，组织了42 个案例，从实践背景、方法手段、主要应用的技术、实践过程中遇到的典型问题、实施流程、典型应用场景等方面，分享了多个行业、多家单位的实践经验，以期帮助读者对产业数字化转型产生更为具体的了解和体会、获得间接经验，为读者提升数字认知和工作能力做一定的基础铺垫。本书适合具有产业数字化转型需求的相关企业的管理者、运维人员阅读参考，也适合相关院校作为大数据、数据运维相关专业的产教融合教材使用。

《循序渐进Spark大数据应用开发》结合作者一线开发实践，循序渐进地介绍了新版Apache Spark 3.x的开发技术。全书共10章，第1章和第2章主要介绍Spark的基本概念、安装，并演示如何编写最简单的Spark程序。第3章深入探讨了Spark的核心组件RDD。第4章讲解了Spark集群管理，帮助读者理解任务提交与执行的基本原理。第5章介绍了Spark SQL，这是处理结构化数据的基础工具。第6章展示了Spark Web UI，通过界面化的方式了解Spark集群运行状况。第7章和第8章分别介绍了Spark流式数据处理框架Spark Streaming和Structured Streaming。第9章和第10章则分别介绍了业界流行的机器学习和图计算处理框架MLlib和GraphX。书中各章节还提供了丰富的实战案例和上机练习题，以便读者在学习的同时进行实际操作，迅速提升动手能力。《循序渐进Spark大数据应用开发》技术先进，案例丰富，适合对Spark大数据应用感兴趣的学生、大数据开发人员及架构师使用，也可作为培训机构和高校大数据课程的教学用书。

本书围绕数据挖掘竞赛，讲解了各种类型数据挖掘竞赛的解题思路、方法和技巧，并辅以对应的实战案例。全书共11章。第1章介绍数据挖掘竞赛的背景、意义和现状。从第2章开始，介绍了各种不同类型的数据挖掘竞赛包括结构化数据、自然语言处理、计算机视觉（图像）、计算机视觉（视频）、强化学习。每种类型的数据挖掘竞赛包含理论篇和实战篇：理论篇介绍通用的解题流程和关键技术；实战篇选取比较有代表性的赛题，对赛题的优秀方案进行深入分析，并提供方案对应的实现代码。本书适合数据挖掘竞赛爱好者、人工智能相关专业在校大学生、人工智能方向从业人员及对人工智能感兴趣的读者阅读。

这是一本能指导首席数据官（CDO）快速构建知识体系和能力模型的标准指南。本书融合了作者对CDO角色的深刻理解和深厚的工程实践经验，系统而全面地介绍了CDO所需的核心知识体系与能力模型。本书从CDO的基本概念出发，逐步深入探讨了CDO在政策环境、数字化转型、组织数据体系建设与管理、数据价值创造等方面的关键作用。书中不仅详细阐述了CDO应具备的基础数据知识和组织数据管理能力，还通过丰富的案例和实战技巧，展示了如何将理论知识应用于实际业务场景中，推动数据驱动决策的实现。通过阅读本书，你将：？透彻理解CDO的角色定位、职责范围及发展趋势；？掌握组织数据管理的精髓，构建高效的数据体系；？深入了解CDO在数字化转型中的核心作用与价值；？实战演练数据战略制定、数据资源管理、数据资产管理与流通等关键任务；？探索CDO的能力模型与知识体系，规划个人职业发展道路。本书旨在帮助读者从零基础开始，逐步成长为具备深厚数据功底和卓越领导能力的首席数据官，为企业的数据战略转型与升级提供有力支持。

数据挖掘算法为大数据与人工智能的核心，掌握数据挖掘各算法的编程实现，有助于提升大数据的实践运用能力。本书详细阐述了数据挖掘常用算法与编程实现，同时，本书以多个经典的数据挖掘赛题为案例，详细论述了数据预处理、特征选择、可视化、算法选择等全流程数据挖掘过程的编程实现，有助于提升读者面对实际数据问题时灵活运用各类算法能力。

本书的主要内容有：研究数据管理趋势，包括技术发展、法规要求和隐私问题。深？了解可拓展架构，学习各组件之间如何协同？作。探索数据治理和数据安全、主数据管理、？助式数据市场，以及元数据的重要性。