当前，大数据不仅是推进网络强国建设的重要领域，更是新时代加快实体经济质量变革、效率变革、动力变革的战略依托。《BR》本书首先简要阐述了大数据的概念、特征和主要发展阶段，并对我国的国家和地方大数据产业政策进行了详细的梳理。在大数据技术章节，按照数据的生命周期对数据采集、存储、计算、管理、应用和安全技术进行了简要的介绍。针对大数据产业，重点从产业发展现状和相关产业主体进行分析。在大数据应用领域，简要介绍了大数据在数字经济、通信、政务、金融、工业等领域的融合应用情况。最后就数据资产、数据要素和大数据法制的发展现状和趋势进行了简要分析和介绍。

大数据知识工程旨在从大数据中获取知识、表示知识，并基于这些知识进行推理计算，解决大数据背景下的实际工程问题。大数据知识工程是信息化迈向智能化的必由之路。《大数据知识工程》全面系统地介绍大数据知识工程的有关内容。《大数据知识工程》共9章，第1章介绍大数据知识工程的背景；第2章介绍大数据知识工程的“三跨”特点及面临的“散、杂、乱”挑战；第3～6章介绍知识表示、知识获取与融合、知识表征学习、知识推理四个核心环节；第7章介绍教育、税务、网络舆情领域的大数据知识工程应用；第8章指出未来研究方向；第9章对《大数据知识工程》进行总结。

计算广告是目前大数据思维与技术发展最成熟、市场规模最大的应用领域之一，致力于解决的核心问题是广告、场景、用户三者之间的最优匹配，而计算广告学涉及自然语言处理、数据挖掘以及竞价营销、创意设计等诸多学科的融合。《计算广告学》以营销智能国家新一代人工智能开放创新平台为基础，从观察者、研究者和实践者的视角，对数字化时代背景下的媒介环境变革，计算广告的背景、内涵、商业模式、关键技术等进行全面阐述，为业内外人士理解并涉足计算广告领域提供有效路径。

《开放协同的科技大数据汇聚融合与演化分析》针对科技服务对科技资源数据汇聚融合的需求，研究面向开放协同的科技大数据汇聚融合和演化分析技术，研究多源异构科技大数据资源体系建设与应用场景，设计科技大数据汇聚融合与演化分析系统架构，利用在线知识图谱建立多源异构、碎片化数据之间的语义关联和多粒度层次语义映射，完成科技大数据的实体识别和匹配，向各行业各领域用户提供面向开放协同的科技大数据检索服务。基于区块链技术实现科技大数据的可信数据确权与追踪保护，实现数据生命周期管理。

暂缺简介...

数据挖掘与商务智能是高等院校电子商务、信息 管理与信息系统、计算机科学与技术等相关专业的核 心课程，也是近年来企业信息化的热点内容。本实验 教程通过一系列数据挖掘与商务智能工具的实验练习 ，将商务智能的概念和理论知识融入实践中，从而加 深读者对数据挖掘与商务智能原理和算法的理解。实 验内容涉及商务智能的终端用户查询和报告、联机分 析处理、数据挖掘、数据仓库等软件工具，主要包括 SPSS Modeler、SQL Server Analysis Services、 WEKA和SAP Business Object。由张大斌主编的《数 据挖掘与商务智能实验教程（21世纪高等院校示范性 实验系列教材）》分为17个小实验和2个综合设计实验 ，每个实验都包含背景知识、实验目的、所需要的工 具／准备工作、实验内容及步骤、实验分析与扩展练 习等，以帮助读者掌握一些主流数据挖掘与商务智能 工具的基本使用方法，通过规范的实验训练，培养其 综合解决实际管理问题的能力。本书可作为高等院校相关专业的“数据挖掘”、 “数据仓库”、“商务智能”等课程的实验辅助教材 ，也可作为单独开设“数据挖掘与商务智能实验”课 程的主教材。

《管理海量数据：压缩、索引和查询（第2版）（经典再现全新修订版）》是斯坦福大学信息检索和挖掘课程的首选教材之一，并已成为全球主要大学信息检索的主要教材。《管理海量数据：压缩、索引和查询（第2版）》理论和实践并重，深入浅出地给出了海量信息数据处理的整套解决方案，包括压缩、索引和查询的方方面面。其最大的特色在于不仅仅满足信息检索理论学习的需要，更重要的是给出了实践中可能面对的各种问题及其解决方法。《管理海量数据：压缩、索引和查询（第2版）（经典再现全新修订版）》作为斯坦福大学信息检索课程的教材之一，具有一定的阅读难度，主要面向信息检索专业高年级本科生和研究生、搜索引擎业界的专业技术人员和从事海量数据处理相关专业的技术人员。

国际数据挖掘领域知名专家李涛及其带领团队近年研究成果的总结，以实际的数据挖掘工作为基石，架设起研究和应用的桥梁，帮助读者们从应用实例中学习数据外挖掘。《数据挖掘的应用与实践：大数据时代的案例分析》不按理论和技术来划分章节，而是以实际的应用案例来贯穿始终，通过数据挖掘应用的实例来介绍如何应用和学习数据挖掘技术。

《云时代的大数据》以云计算为基石，从概念、研究、应用角度出发，系统地介绍了数据爆炸时代下的大数据。首先介绍了云计算及大数据的基础知识，让读者对云计算及大数据有概要认识；然后根据需要介绍了Hadoop软件下的MapReduce、HDFS及HBase这几个组件；接着全面、系统地介绍了云时代下的大数据，主要包括大数据的链接、聚类、项集、系统、相似项挖掘及数据量化等内容，让读者挖掘云时代大数据体系下的效益、价值及研究方向。

《大数据分析：点“数”成金》以大数据分析的商业及金融价值为主线，对大数据这一崭新领域进行了深入探索。《大数据分析：点“数”成金》以大数据技术的基本概念和演进历程开篇，随后详细介绍了不同类型的数据源及其对企业的重要意义、企业投资大数据技术的成功商业案例、有效利用数据集的必备技能，解析了打造大数据分析系统所需的存储、加工、软件平台及其他构成要素，海量数据的安全工具和技术，系统潜在风险及其规避方法，以及怎样对大数据进行分析并从中提取有价值的可用信息，并详实阐述了如何将大数据融入企业文化等问题。《大数据分析：点“数”成金》不但向读者阐明了大数据分析的重要性，更淋漓尽致地展现了大数据分析的具体过程，从而帮助企业提升智能化水平、解决实际问题、提升利润空间、提高生产率并发现更多的商业机会。《大数据分析：点“数”成金》适合对数据处理、数据挖掘、数据分析感兴趣的企业决策者、技术人员等阅读。