三民網路書店 中國圖書館分類法 / 工業技術 / 自動化技術、計算機技術 / 自動化技術及設備 / 數據處理、數據處理系統

 為什麼花更少的錢買更偏遠的房子不一定划算？ 為什麼得分最多的運動員不一定是最好的運動員？ 為什麼癌症發病率上升竟可能是一件好事？ 泰勒主義、績效管理、科學管理、關鍵績效指標等理論都建立在同一個假設之上：如果你考核員工並提供激勵，你就會得到理想的結果。但事實真的是這樣嗎？我們使用衡量指標來瞭解世界上許多重要的事：教育和醫療系統是否高效，一個國家是否比另一個國家更富裕，哪個城市的生活質量更高……在這本書中，作者分享了許多選用錯誤的衡量指標，進而帶來糟糕結果的案例，展示了衡量指標如何影響教育、醫療、商業，甚至城市發展。為什麼人們總是測量錯誤的數據，而忽視重要的指標設定？這本啟發性的書提醒我們，並非所有計算得清楚的東西都重要，也並非所有重要的東西都計算得清楚。被各種量化指標裹挾的我們，要時常想一想：這些數字指標真的能起到衡量作用嗎？人們是否在鑽空子？他們的行為是否會使這個指標變得毫無意義？事實上，“說謊”的從來不是數據本身，而是被不科學的衡量指標支配的人。這本書強調了選用恰當衡量指標的重要性，並且告訴讀者，如何在做出關鍵決策之前找到正確的指標。

本教材是為了適應我國卓越工程師教育培養計劃和工程實踐教學改革的需要，根據21世紀人才培養模式的新變化，針對中德合作高層次應用型創新人才培養的特點而編寫的。本教材從訓練學生的工程實踐及應用能力出發，以培養綜合創新思維為目標，以及為機械工程實踐教學改革提供基本思路。通過本教材的學習，使學生獲得產品幾何量測量工程和智能檢測系統和儀器設備應用兩方面的基本知識、基本理論和相關的工程訓練能力。進一步學會運用國家標準、產品幾何技術規範（GPS）、幾何公差等標準；掌握機械設計過程中的誤差知識，並學會分析、計算、處理幾何誤差；熟悉幾何公差的基本內容，並能按照產品幾何技術規範，把公差要求正確地標注在圖樣上；具備根據機器設備、機構部件的功能要求確定產品各類公差及所需配合的能力。本教材內容涉及“工程製圖”“機械設計基礎”“智能製造工程”“機械精度設計與測量”“工程力學”“機械加工與工藝分析”“數字化檢測技術與智能製造”等專業主幹課程相關內容，以滿足教師針對不同階段和不同層次學生的工程實踐教學的需要。本教材可作為高等院校機械設計與製造、機械設計及自動化、機械設計與裝備、車輛工程、材料成型及控制，以及其他相關專業的工程應用教材，也可作為研究生及其他專業人員的參考書或培訓教材。

本書以Hadoop HDFS為載體，濃縮介紹構成一款分布式系統（尤其是存儲方向）所需的精華部件，所有內容均基於當前新的3.3.x/3.4.x版本，分別從核心原理和拓展實踐兩個維度逐一闡述。本書主要包括兩篇：核心原理篇介紹了HDFS的誕生歷史、元數據及Block管理、節點間通信機制、讀寫數據流程和高可用實現原理等；拓展與實踐篇從實際出發，充分考慮了在應用過程中會遇到的痛點，詳細介紹集群拓展方法、數據分層存儲、集群維護與多租戶實施等實踐經驗。 本書中各章節在需要的地方配有必要的流程圖和原理分析圖，便於讀者閱讀理解，並精選了非常有用的實際案例及拓展。閱讀本書後，讀者會有1+1>2的收穫。

本書以大數據運維工程師為職業培養方向，以職業崗位的“典型工作過程”為導向，融入行動導向教學法，將教學內容與職業能力相對接、單元項目與工作任務相對接。本書以實訓為主體，配合實訓指導視頻，結合適當的知識講解，讓大數據技術學習者能快速掌握大數據平臺部署與運維相關的實操能力，並建立基礎理論認知。本書共8個項目，內容包括認識大數據、配置平臺基礎環境、部署Hadoop框架、使用HDFS、MapReduce編程、部署與使用HBase、部署與使用Hive、部署與使用Spark，涵蓋了當前大數據技術領域的主要技術。本書可作為各類職業院校大數據技術等相關專業的教學用書，也可作為從事大數據平臺運維相關工作者的參考用書。本書配有理論學習微課、任務實踐演示微課（掃描書中二維碼觀看），還配有電子課件等資源，選用本書作為授課教材的教師可以從機械工業出版社教育服務網（www.cmpedu.com）免費註冊後進行下載或聯繫編輯（010-88379807）諮詢。

本書介紹了數據網格――一種來自現代分布式架構的去中心化社會技術範式，它提供了一種大規模採購、共享、訪問和管理分析型數據的新方法。本書分為五部分。第1部分介紹Data Mesh的四個原則，以及它們所組成的高級模型。第二部分比較Data Mesh與以前的數據架構的區別。第三部分介紹Data Mesh組件的高層次架構，幫助你設計Data Mesh架構以及評估與Data Mesh匹配的現成技術。第四部分介紹Data Mesh中的一個核心概念(數據產品)的詳細設計，幫助你識別與Data Mesh願景兼容的設計技術，並將它們與不兼容的技術區分開來。第五部分介紹如何演進式地執行Data Mesh的轉換，以及如何圍繞團隊結構、激勵、文化等做出組織設計決策的可行建議。

大數據是信息化發展的新階段。隨著信息技術和人類生產生活交匯融合，互聯網快速普及，全球數據呈現爆發增長、海量集聚的特點，對經濟發展、社會治理、國家管理、人民生活都產生了重大影響。本書以提高應用能力為目的，每章以多任務為主線，循序漸進，再以綜合實訓為輔，帶領讀者走進大數據的世界，幫助讀者在感受大數據魅力的同時掌握大數據相關技能。第1章介紹Hadoop大數據處理平臺 ；第2章講解大數據存儲技術；第3章講解大數據離線計算框架；第4章講解大數據數據庫；第5章講解大數據數據倉庫；第6章講解大數據日誌處理；第7章講解大數據日誌處理；第8章講解大數據實時計算框架。

本書從數據權屬、數據價值、數據安全和數據流通等方面，對國內外關於數據有序流動和利用過程中的理論、模式、技術、法規等進行了全面梳理和解讀，可以為數據要素市場建設的各方參與者提供重要並且完成的知識體系參考。

本教材書將圍繞大數據技術的基本原理與實踐,介紹了大數據獲取、存儲、分析、數據挖掘和機器學習.內容涵蓋以下主題：Hadoop、Mapreduce、關聯規則、大規模監督機器學習、數據流、集群、NoSQL系統（Pig、Hive）,以及包括推薦系統、Web和安全性的應用程序.第1章重點闡述了大數據驅動的商業模式、技術生態體系,大數據的類型、特點、獲取技術.第2章概要介紹了大數據的軟硬件架構,包括大數據技術基礎與軟硬件設施、大數據存儲與管理技術、大數據的分布式處理技術平臺等,包括MapReduce編程框架原理、Spark結構與原理、基於Storm的大規模數據流的分布式處理技術等.第3章介紹了Python編程基礎,包括基本數據類型、基本控制流程、Numpy、Scipy、Pandas等.第4章介紹了大數據分析技術,包括基於MapReduce基礎編程、文本大數據分析與處理技術、大數據關聯分析、相似項的發現、基於大數據的推薦系統、基於大數據的圖與網絡分析、大數據聚類分析、時空大數據分析、非結構化大數據分析與處理、基於Storm的流數據分析技術等.第5章介紹了基於SparkMLlib/Mahout的大數據機器學習,包括機器學習基礎、典型機器學習問題、機器學習評價方法、並行機器學習算法,並進行了利用MLlib解決大數據並行分類問題、利用Mahout解決大數據推薦優化問題實踐.第6章介紹了基於大數據的深度學習技術,包括深度學習基本原理、深度學習典型應用、Keras基礎入門及應用案例.第7章介紹了材料大數據材料熱導率預測、旅遊大數據分析、交通大數據分析、工業大數據分析、產品創新大數據分析等帶代碼、數據的案例.本書內容深入淺出,具有很強的理論與實踐指導作用,可作為數據科學與技術、人工智能、計算機科學、製造科學、機械工程等學科相關專業的本科生、研究生的教材或課程教學參考書,也是對工程技術人員、科研人員而言非常實用的工具書.

本書不是一本關於數據管理的“如何做”的書(如規範數據屬性或是創建數據庫)，而是一本關於數據管理“如何思考”的書。本書將心理學和哲學與數據管理巧妙的融合在一起。將心理學和哲學學科與數據管理結合在一起，以創造有關我們如何感知和管理信息的知識。書中闡述了當今數據庫系統通過數據來捕獲現實世界的方式及缺陷，作者運用非常清晰的邏輯、仔細地描述了信息系統中所表示的現實世界的各個方面。對系統中所使用的數據模型、語言、語義和現實世界描述下的哲學問題進行了深刻的檢視，對這些核心概念、其對信息系統的影響，是坊間遍尋不到的。這本書的價值在於批判性地探索解決現實世界的信息系統建模方法，這是一本令讀者愉悅並具有啟發性的佳作。適合從事數據建模、大數據、數據管理的人士閱讀。

本書首先介紹了業內多個具備代表性的數據安全理論及實踐框架，從數據常見風險出發，引出數據安全保護最佳實踐；然後介紹了數字經濟時代數據要素市場的基本信息，基於構建數據要素市場、促進數據合規安全流通、釋放數據價值等場景中的實踐，抽象並總結了一套數據要素可信、安全、合規流通的體系架構，包括數據安全保護技術與保護數據價值釋放的隱私計算技術；最後針對政務、金融、電力能源、公安行業等重點行業，分析了數據安全與數據孤島現象的跟本原因，介紹了數據安全實踐案例，並介紹了如何通過部署數據要素流通體系架構，打破“數據壁壘”，促進多方數據融合計算的實踐案例。本書可以作為高校學生、隱私計算技術從業者、數據要素市場從業者、數據安全行業從業者的入門讀物，也可作為相關機構或組織進行數據要素市場流通體系建設實踐的參考指南。

本書是《數據挖掘》的第2版，系統地介紹了數據挖掘的理論、方法與應用，包括數據特徵分析及預處理、經典數據挖掘算法(分類、回歸、聚類、關聯規則和集成學習等)、大數據新常態下催生的數據分析方法(推薦系統、鏈接分析與網頁排序、互聯網信息抽取、日誌挖掘與查詢分析等)理論與方法。在此基礎上，除第1章外，每章均有基於Python語言的實例應用。

在Web文本挖掘、網絡信息智能分析與大數據技術不斷發展的背景下，作為網絡中的一種流式資源，Web 新聞的數量正呈現爆炸式的增長態勢，而產生這種情形的根源是社會上不斷發生突發事件。針對Web新聞所具有的多維特徵，研究大數據背景下的Web層次化話題檢測與跟蹤關鍵技術，是一個具有實際意義的研究方向。通過研究話題檢測與跟蹤關鍵技術相關的文獻，筆者研究並應用了大數據背景下的Web層次化話題檢測與跟蹤關鍵技術，同時提出了基於大數據五元組語義描述分析的話題檢測關鍵技術、基於大數據實用性評價的話題檢測關鍵技術，以及基於大數據使用行為分析的層次化話題檢測與跟蹤關鍵技術。本書可作為大數據相關專業研究生的參考書，也可作為大數據分析與挖掘相關科研工作人員的參考書。

在很多地方，我們都可以看到人們在談論數據。我們發現，到處都有概念詞――“數據科學”“機器學習”“人工智能”等，那麼它們的真正含義是什麼呢？最重要的是，這些對我們的工作和生活又有什麼影響呢？這本書將會告訴我們答案。本書包含大量的真實案例及詳細分析，讀者將會對數據的真實價值及分析技術有一個全新的認識，有效的數據利用可以幫助個人和企業實現利潤飛長。

本書是專注於資料挖掘與分析的基本演算法的入門圖書，內容分為資料分析基礎、頻繁模式挖掘、聚類和分類四個部分，每一部分的各個章節兼顧基礎知識和前沿話題，例如核方法、高維資料分析、複雜圖和網路等。每一章最後均附有參考書目和習題。 本書適合高等院校相關專業的學生和教師閱讀，也適合從事資料挖掘相關工作的人員學習參考。

在數據湖倉的所有新增要素中，排名第一的就是可以利於數據分析和機器學習所用的分析基礎設施。分析基礎設施包括一眾大家廣為熟悉的東西，當然也包括一些可能對大家還有些陌生或略帶新鮮感的概念。比如包括：元數據、數據血緣、 數據體量的度量 、數據創建的歷史記錄、數據轉換描述。數據湖倉的第二個新增要素，是識別和使用通用連接器。通用連接器允許合併和比較所有不同來源的數據。如果沒有通用連接器，就很難(實際上是幾乎不可能)將數據湖倉中的不同數據關聯起來。但有了這個中西，就可以關聯任何類型的數據。使用數據湖倉，就有可能實現以往任何其它方式都不可行或不可能實現的某種程度的數據分析和機器學習。 但與其它架構一樣，我們需要理解數據湖倉的架構以及它的能力，以便於我們基於這種架構創建數據分析藍圖和開展數據分析規劃。

《數據可視化入門與實戰》全面系統地介紹了數據可視化的基本知識和應用實例。全書共六章，主要內容包括數據可視化概述、大數據分析與數據可視化、數據可視化技術、數據可視化常用軟件分析工具、數據可視化實現流程與步驟、數據可視化應用實例。本書結構完整，內容由基礎到實戰，語言通俗易懂，結合大量數據、實例幫助讀者快速掌握數據可視化技術。本書適合數據可視化初學者、各行業數據可視化應用和開發人員參考使用。