集Python、Excel、数据分析为一体是本书的一大特色。《对比Excel，轻松学习Python数据分析》围绕整个数据分析的常规流程：熟悉工具—明确目的—获取数据—熟悉数据—处理数据—分析数据—得出结论—验证结论—展示结论进行Excel和Python的对比实现，告诉你每一个过程中都会用到什么，过程与过程之间有什么联系。本书既可以作为系统学习数据分析操作流程的说明书，也可以作为一本数据分析师案头必

通过提供分布式数据存储和并行计算框架，Hadoop已经从一个集群计算的抽象演化成了一个大数据的操作系统。本书旨在通过以可读且直观的方式提供集群计算和分析的概览，为数据科学家深入了解特定主题领域铺平道路，从数据科学家的视角介绍Hadoop集群计算和分析。本书分为两大部分，第一部分从非常高的层次介绍分布式计算，讨论如何在集群上运行计算；第二部分则重点关注数据科学家应该了解的工具和技术，意在为各种分析和

随着数据要素化时代的到来，数据的流通和共享已成为数据要素化的显著特征。然而，这种流通和共享往往具有隐私泄露的风险，甚至可能给企业或个人造成不可估量的损失。为此，隐私计算技术成为数据要素化发展的重要支撑。《隐私计算与密码学应用实践》以密码学知识体系作为介绍隐私计算的着眼点，系统介绍了如何通过密码学构建隐私计算体系，并解析了如何将这些知识体系应用到真实场景中。全书共分6章，内容涵盖基础密码学、前沿密码

《对比Excel，轻松学习SQL数据分析》是《对比Excel，轻松学习Python 数据分析》的姊妹篇，同样采用对比的方法，降低学习门槛，提高学习效率。全书分为3 篇：第1 篇主要介绍数据分析的基础知识，包括数据分析的基本概念、为什么要进行数据分析及常规的数据分析流程，使读者对数据分析有一个整体的认识；第2 篇主要围绕数据分析的整个流程来介绍与SQL 语法相关的知识，包括如何选取一列数据、如何对数

本书以Python语言讲述数据科学基础知识，涵盖了数据采集、清洗、存储、检索、转换、可视化、高级数据分析（网络分析）、统计和机器学习等内容。具体内容包括：数据科学的Python核心特性，文本数据、数据库、表格形式的数值数据、series和frame、网络数据的使用，数据的绘制，概率与统计，机器学习。

本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

作为新一代的开源流处理器，Flink是众多大数据处理框架中一颗冉冉升起的新星。它以同一种技术支持流处理和批处理，并能同时满足高吞吐、低延迟和容错的需求。本书由Flink项目核心成员执笔，系统阐释Flink的适用场景、设计理念、功能、用途和性能优势。- Flink的适用场景- 流处理架构相较于批处理架构的优势- Flink中的时间概念- Flink的检查点机制- Flink的性能优势

本书由 Spark 开发者及核心成员共同打造，讲解了网络大数据时代应运而生的、能高效迅捷地分析处理数据的工具——Spark，它带领读者快速掌握用 Spark 收集、计算、简化和保存海量数据的方法，学会交互、迭代和增量式分析，解决分区、数据本地化和自定义序列化等问题。

本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。

《数据分析原理：6步解决业务分析难题》系统地介绍了数据如何始于业务、取于业务、用于业务。既有扎实的理论铺设，又有具体的案例支撑，通俗易懂地回答了数据“怎么来”和“怎么用”的问题。同时，本书总结出了解决业务分析难题的六大步骤，包括对最终数据分析产生关键影响的数据源的选取方法，以及通过对业务模块的判断确定分析方法的适用场景，最终推演、验证、分析出结论，并选择最优的分析结果展现方式，让数据分析全过程形成