本书讲述了在实际运营中核心的数据挖掘分析案例，为读者重点展示了SAS在精准营销、客户流失预警、客户分群、广告点击、信用卡欺诈、信用风险评分等领域中的具体应用。 本书分为16章，以数据挖掘基础知识介绍开始，循序渐进地讲述了Kaggle数据科学社区调查数据分析、考察汽车耗油量与里程数的关系分析、影响汽车销售的关键因子分析、健身运动中耗氧量回归分析、旅客量预测分析、客户群分类判别分析、销售公司的客户分群、员工离职预测、广告点击率预测、产品精准营销模型、电信客户流失预警、银行贷款用户风险分析、信用风险评分卡的开发以及信用卡反欺诈预测模型等案例。后一章介绍了与数据挖掘项目中的时间成本有较大关系的SAS数据清洗的相关技术。 本书案例丰富，实用性较强，特别适合从事数据挖掘、统计建模、机器学习、商业分析、运营分析等工作的人员使用，也可作为数学、统计学、金融管理、计算机等专业的学生学习SAS数据挖掘应用的参考书籍。

本书介绍了以下模式类型： 基础模式涵盖构建基于容器的云原生应用程序的核心原则和实践。 行为模式详细介绍管理容器和平台交互的概念。 结构化模式教你如何通过在Pod中组织容器解决特定的用例。 配置模式讲述如何处理Kubernetes中应用程序的配置。 高级模式涵盖更复杂的主题，例如操作器和自动伸缩等。

本书详细阐述了*版本的CATI的机械设计模块的基本功能和使用方法，包括草图设计、三维实体、曲线曲面、装配和绘制工程图等方面的功能和操作方法，结合典型的机械设计实例、提供完整的操作步骤，帮助初学者迅速入门，通过汽车领域*的具体设计案例，为广大CATIA用户进一步熟练和深入使用CATIA软件提供训练和参考的工具。

《嵌入式与实时操作系统》涵盖了操作系统的基本概念和原理，展示了如何将它们应用于设计和实现完整的嵌入式与实时操作系统。该书包括有关ARM体系结构、ARM指令及编程、用于开发程序的工具链、用于软件实现和测试的虚拟机、程序执行映像、函数调用约定、运行时堆栈使用以及用汇编代码链接C程序的所有基础知识和背景信息。《嵌入式与实时操作系统》面向计算机科学专业学生和计算机专业人士，可作为嵌入式与实时操作系统、通用操作系统等课程的教材。

内容简介这是一本从技术原理、工程实践、设计模式和*佳实践4个维度讲解物联网系统开发的著作，是作者10余年实践经验的总结。首先，通过代码实例循序渐进、深入浅出地介绍了物联网协议的原理与实践；然后，以一个功能完备的综合性物联网平台的搭建过程为例，讲解了如何从0到1搭建一个物联网平台，同时总结了物联网平台开发中常用的设计模式和*佳实践。全书一共12章，逻辑上可分为3大部分：第壹部分（第1-2章） 物联网基础对物联网的一些关键常识和各种协议进行了详细的介绍。第二部分（第3-5章） 物联网协议通过大量实例代码详细分析和讲解了MQTT协议的规范、特性、原理和应用。第三部分（第6-12章）物联网平台开发详细讲解了如何使用开源组件和云服务从0到1搭建一个具备完备功能的物联网平台。

《数字流域方法》介绍了基于观测和空间数据分析的数字流域方法，包括流域属性空间数据场的预测、估计、评估与决策，以及时空大数据与智慧流域方法。《数字流域方法》基于流域过程及其属性场空间格局的多尺度性、异质性、不确定性问题，分析了流域过程多尺度及测量尺度、流域属性空间异构性量化、不确定性建模，研究了考虑空间异质性和不确定性的流域空间属性场的预测和估计方法以及多属性评估决策方法，并分别对流域地形属性和参数的估计、降水场的空间异构和估计、土壤湿度空间异构和估计、流域地表覆盖异构以及流域地表径流深和流速场的估计进行了介绍。

本书讲述建模、分析和设计大型计算机系统同时使其具有良好性能且成本较低的方法和技术。其中重点强调的排队论也正好是作者非常擅长的理论研究。除了必要的理论方法，还包括丰富的计算机系统设计实例和练习。目的是使读者不仅能够定制现有的计算机系统设计和分析，还可以自己发明适合自己系统设计的方法。全书内容有趣而且易于阅读，采用“苏格拉底式”的问答模式进行叙述，适合该领域的科研和工程人员阅读参考，也适合高校计算机相关专业学生阅读。

本书针对工业大数据的融合架构与关键技术进行了研究，在对工业4.0、物联网和云计算进行分析的基础上，从定义、技术以及管理三个方面对大数据进行了阐述，给出了工业大数据融合研究与应用的体系结构。针对工业制造领域的特定应用场景，充分研究了数据的感知、采集和异常检测技术，阐述了现有方法的利弊，分析了存在的问题，并提出了一系列创新的解决方案。

l数据仓库、大数据、数据科学的简单介绍。 l了解企业建立数据湖的各种途径。 l探索如何构建自助服务模型，以及如何让分析师便捷访问数据的最佳实践。 l使用不同的方法来构建数据湖。 l了解不同行业专家实现数据湖的方法。

《数据科学实战入门　使用Python和R》一书将使你深入了解数据科学流行的两大开源平台：Python和R。　当前数据科学非常热门。Python和R是世界更流行的两个开源数据科学工具。在本书中，你将逐步学习如何使用更先进的技术，针对现实世界的业务问题提供切实可行的解决方案。　本书为没有数据分析和编程经验的读者编写。第1章专门为初学者讲解Pyhton和R的基础知识。此后的每一章都提供了使用Python和R解决数据科学问题的分步说明和实践演练。　对于那些有数据分析经验的读者而言，他们将一站式学习如何使用Python和R进行数据科学实践。本书的主题涵盖数据准备、探索性数据分析、准备建模数据、决策树、模型评估、错误分类代价、朴素贝叶斯分类、神经网络、聚类、回归建模、降维和关联规则挖掘。此外，本书还包含一些令人兴奋的新主题，如随机森林和广义线性模型。　本书在每章的结尾提供了大量的练习，共有500多道习题。通过实践性的分析习题，读者将能轻松应对使用真实数据集解决有趣业务问题的挑战。