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。

本书作为《大数据导论》（ISBN 9787302500704）的配套实训教材，旨在帮助读者夯实基础知识，还原企业真实业务，提升实操能力。本书从大数据开发所需要的基础编程知识出发，首先阐述 Linux 开发环境中常用的命令。接着介绍数据清洗工具 Kettle 的基础操作以及常见的数据可视化效果，如饼图、柱状图、折线图、平行坐标图等。最后通过数据清洗、数据可视化、数据挖掘等热门大数据技术在环境、金融、电商等行业的具体应用，给读者提供真实的大数据体验情景。
本书提供了丰富的项目实训案例，

本书以大数据分析应用岗位职业能力递进为主线，较为全面地介绍了Spark大数据技术的相关知识。全书共7章，内容包括Spark生态圈中的Spark Core、Spark SQL、Spark Streaming、GraphX、MLlib等组件，以及海量离线数据的处理、基于历史数据的交互式查询、基于实时数据流的大数据处理、图计算、机器学习等知识点循序渐进地展开介绍。本书以Spark Core、Spark SQL、Spark Streaming相关知识为重点，GraphX、MLlib等组件作为扩展性知识来

数字化转型对社会和各类组织机构提出了大数据管理的需求，数据资源管理能力将成为新时代各行各业信息管理者的核心竞争力。本书从数字化转型与大数据管理的基本理论与应用实际出发，系统构建数据资源管理的知识体系，内容包括数据资源管理基本概念与原理、数据存储与管理、数据架构与设计、数据组织、元数据管理、数据分析与服务、数据质量管理、数据安全管理、数据资源管理组织与原则等。本教材适用于数据管理、信息管理、数据科学、大数据管理与应用等相关领域的本科生、研究生等。

本书首先介绍了R语言的相关知识，包括R语言基础、R语言可视化技术。随后本书详细介绍了数据挖掘与数据分析中重要的理论方法与基础知识，包括线性回归、逻辑回归、决策树与回归树、随机森林、贝叶斯分类器等内容，并展示了如何将R语言用到这些方法的具体场景中。本书通过结合数据挖掘技术的理论知识与R语言的实战应用，帮助读者更好地运用R语言解决数据挖掘中的实际问题。
本书适合作为高等院校管理科学与工程类专业、工商管理类专业、工程管理类专业硕士研究生的数据挖掘与商务数据分析课程的教材，还适合作为相