本书以大数据分析与挖掘的常用技术与真实案例相结合的方式，按照“概念和原理讲解、案例分析、能力拓展——Python 软件应用”的层次进行阐述，深入浅出地介绍大数据分析与挖掘的重要内容。全书共 11 章，第 1 章作为全书的绪论，介绍了大数据分析与挖掘的基本概念、行业应用等；第2 章介绍了 Python 的安装、编程基础以及常用的数据分析工具；第 3 章介绍了数据的类型、质量和相似度与相异度；第 4 章介绍了数据探索的常用方法，包括质量分析、描述性统计分析、可视化分析和多维数据分析；第 5 章介绍了

《数据治理——理论、方法与实践》关注以数据为关键要素的数字经济时代背景下的数据治理问题，分为 8 章。第 1 、2 章以数据治 理基础概念作为铺垫，重点对数据、数据治理以及数据治理体系所涵盖的内容进行全面梳理，明晰数据治理的现状、趋势，并进行国内外数据治理理念与体系的比较；第3～ 7章是数据治理核心问题探讨， 重点对数据开放、数据交易、数据安全等核心内容进行系统阐述，明确数字经济背景下的数据治理过程中的痛点、难点问题，以及未来发展的核心方向；第 8 章是数据治理实践应用，深入企业数据治理层面了解

本书采用理论知识与任务案例相结合的形式，以PyCharm为主要开发工具，系统地阐述大数据分析处理流程中的常用的第三方库。全书共13个单元，单元1介绍大数据分析的概念等内容；单元2和单元3介绍使用numpy与pandas实现科学计算与统计分析的相关知识；单元4-单元7介绍使用pandas实现数据预处理的方法；单元8介绍使用scikit-learn构建简单的机器学习模型的方法；单元9介绍使用matplotlib、seaborn绘制图表的方法；单元10-单元13介绍4个大数据分析处理的综合案

本书基于Python 3.10版本，使用Jupyter Notebook进行编程；以项目任务驱动模式，系统地阐述了Python数据分析的相关知识，内容包括Python数据分析概述、NumPy数值计算实战、pandas统计分析实战、Matplotlib数据可视化实战、Python数据探索、数据预处理、基于sklearn的数据分析实战、电商产品评论数据情感分析实战；通过多个实战任务的学习与练习，让读者在短时间内掌握Python数据分析的技术和方法。为了方便读者学习，本书附有配套源代码、教学PPT、题

本书基于Python 3.10版本，以项目实战的方式系统地介绍了Python网络爬虫开发的相关知识，主要内容包括Python基础实战、网页数据采集实战、网页数据解析实战、并发技术实战、动态内容采集实战、爬虫数据存储实战、Scrapy爬虫框架实战等，通过多个实战任务的练习，让读者能最大限度地掌握Python网络爬虫的核心技术。为了方便读者学习，本书附有配套源代码、教学PPT、题库、教学视频、教学设计等资源。本书可作为高等院校计算机相关专业程序设计课程教材，也可供从事计算机爬虫应用开发的相关人员使用

根据全国高等学校、高职高专院校教育的人才培养目标和要求，以及实际的教学特点，本书由浅入深、全面系统地介绍数据存储技术与应用的相关知识。全书共6个项目，内容包括信息数据管理、数据存储技术、DAS服务器配置与管理、NAS服务器配置与管理、SAN服务器配置与管理、高级存储与容灾备份技术。为了让读者能够更好地巩固所学知识，及时地检查学习效果，每个项目末尾都配备了丰富的课后习题。 本书可作为高校云计算技术应用专业相关课程的教材，也可作为云计算技术培训用书和云计算技术爱好者的自学参考书。

本书的内容分为四个部分。第一部分包括两讲，主要介绍典型的大数据存储和管理系统。第二部分包括三讲，主要介绍三种不同形态的大数据处理系统。第三部分包括三讲，主要介绍大数据分析层面的关键技术，包括多种典型的数据分析算法以及用于大数据建模的机器学习技术和工具。第四部分的两讲主要涉及与应用(用户)密切相关的大数据技术。

"本书是高等职业教育智慧财经系列教材之一。本书分为七个项目介绍大数据的基本理论和实践应用：项目一，主要介绍大数据的概念、发展历程以及大数据的影响等相关内容；项目二，主要介绍大数据与云计算、物联网、人工智能的关系；项目三，主要介绍数据整理；项目四，主要介绍数据清洗；项目五，主要介绍大数据可视化分析技术，运用Power BI可视化工具进行数据可视化分析；项目六，主要介绍大数据实践应用，基于Python工具从数据采集、清洗、数据处理到数据可视化整个分析过程进行实践应用介绍；项目七，分别从金融

本书完整、全面地讲述数据挖掘的概念、方法、技术和近期新研究的进展，重点论述数据预处理、频繁模式挖掘、分类和聚类等内容，还全面讲述OLAP和数据挖掘常用算法，并研讨数据挖掘体系结构及其重要的应用领域。

本书共7章： 第1章是数据挖掘概述； 第2章对数据挖掘进行历史回顾并介绍目前的研究现状； 第3章着重讨论数据挖掘的常用算法和工具； 第4章分析数据挖掘的体系结构； 第5章介绍数据挖掘技术在相关领域的应用情况； 第6章分析数据挖掘的研究方向和发展趋势； 第7章介绍Python数据挖掘的

本书较完整地讲解了数据挖掘和机器学习的基本概念、基本算法原理和应用技术。本书用通俗的语言和实例解释了抽象的概念，并将抽象概念融合到具体的案例中，以便于读者理解和掌握。

本书在编写过程中力求做到语言精练、概念清晰、取材合理、深入浅出、突出应用，为读者进一步从事数据分析、应用、开发和研究奠定坚实的基础。

本书既可作为高等院校信息类和管理类专业的数据挖掘或机器学习课程的教材，也可作为科研人员、工程师和数据分析爱好者的参考书。