本书内容共分为七个章节。基本构成如下：生产要素演化与数据要素产生；数据要素的分类与特征；数据要素的确权与定价；数据要素交易；公共数据的流通交易与应用；企业数据的流通交易与应用；个人数据的流通交易与应用。每章都有相关典型案例和专栏拓展内容，也设置了启发性的课后思考题，以帮助读者学习和理解。
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
《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
本书共分三个部分，分别是基础篇、实践篇和拓展篇。基础篇是对整个课程的历史、背景和技术原理的解释部分，基础篇包含三个项目，讲解了的大数据处理流程、大数据存储架构、大数据存储技术路线等知识。实践篇则是更偏重于理论的实验部分，实验内容较多，注重简单、易学和实用等原则，实践篇包含三个项目，讲解了结构化数据存储技术路线、Post
本书按照“理论+实战”的形式编写，将企业项目需求分解为单独的任务，全面系统地讲解了大数据采集与预处理的相关知识与技术。全书针对数据采集的不同来源，将知识内容分为五个项目，包括网络数据采集、分布式消息系统Kafka、实时数据库采集工具Canal和Maxwell、ETL日志采集技术栈以及ETL工具——Kettle。本书针对
全书共9章，内容涉及数据采集、环境部署、Kettle安装及应用、pandas应用以及Python应用案例，由浅入深地介绍了数据可视化的基础内容。
"本书是一本面向大数据基础知识学习、基本技能训练和场景应用的项目化教程。全书共分为8个单元，内容包括初识大数据、Linux应用基础、大数据存储与计算、大数据编程基础、数据采集与预处理、数据分析与挖掘、数据可视化、大数据典型行业应用分析。本书知识点全面，融合了大数据应用开发的新技术和多个典型行业应用场景，突出情境案例导引
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
Spark是业界主流的大数据计算框架。本书通过一系列大数据应用案例和实践项目贯穿始终，使用Python详细阐述了Spark大数据环境的搭建、SparkRDD离线数据计算、SparkSQL离线数据处理、SparkStreaming实时数据计算等一系列常见的大数据处理问题，并在此基础上对Spark的核心概念及技术原理进行了
本书第4版根据计算机控制与网络技术的发展，基于工业界、科技界和教育界的成果进行了全面修订。本书面向新工科建设、工程教育专业认证和卓越工程人才培养计划，以立德树人为根本任务，以科学家精神、企业家精神、工匠精神等中国精神为动力，以培养学生解决复杂工程和实际问题的综合能力为出发点，以主流机型PC/ISA/PCI/PCIE总
书目推荐 更多
