本书从实践出发，结合大量数据挖掘工程案例及教学经验，以真实案例为主线，深入浅出地介绍数据挖掘建模过程中的有关任务：数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐和偏差检测等。因此，图书的编排以解决某个应用的挖掘目标为前提，先介绍案例背景提出挖掘目标，再阐述分析方法与过程，最后完成模型构建。在介绍建模过程的同时穿插操作训练，把相关的知识点嵌入相应的操作过程中。

本书作者从实践出发，结合大量大数据挖掘工程案例及教学经验，以真实案例为主线，深入浅出介绍大数据挖掘项目中针对数据分析的各个流程：数据探索、数据预处理、分类与预测、聚类分析、关联规则挖掘、智能推荐等。因此，图书的编排以解决某个大数据应用的挖掘目标为前提，先介绍案例背景提出挖掘目标，再阐述针对这个目标使用的大数据挖掘分析方法与过程，最后完成模型构建，在介绍建模过程中会针对每个大数据项目的特点进行分析，同时提供上机实验，把相关的建模操作提供给读者。

这是一本根据应用场景讲解如何通过Spark进行大数据分析与应用构建的著作，以实战为导向。作者结合典型应用场景，抽象出通用与简化后的模型，以便于读者能举一反三，直接应用。本书首先从技术层面讲解了Spark的机制、生态系统与开发相关的内容；然后从应用角度讲解了日志分析、推荐系统、情感分析、协同过滤、搜索引擎、社交网络分析、新闻数据分析等多个常见的大数据场景下的数据分析。在每个场景中，首先是对场景进行抽象与概括，然后将Spark融入其中构建数据分析算法与应用，最后结合其他开源系统或工具构建更为丰富的数据分析流水线。

《Spark大数据处理:技术、应用与性能优化》是一本依据最新技术版本，系统、全面、详细讲解Spark的著作，作者结合自己在微软和IBM的实践经验和对Spark源代码的研究撰写而成。首先从技术层面讲解了Spark的体系结构、工作机制、安装与部署、开发环境搭建、计算模型、Benchmark、BDAS等内容；然后从应用角度讲解了一些简单的、有代表性的案例；最后对Spark的性能优化进行了探讨。

这是一部从实战角度讲解如何利用Python进行数据分析、挖掘和数据化运营的著作，不仅对数据分析的关键技术和技巧进行了总结，更重要的是对会员、商品、流量、内容4个主题的数据化运营进行了系统讲解。

Spark是不断壮大的大数据分析解决方案家族中备受关注的新成员。它不仅为分布式数据集的处理提供了一个有效框架，而且以高效的方式处理分布式数据集。它支持实时处理、流处理和批处理，提供了统一的解决方案，因此极具竞争力。本书以源码为基础，深入分析Spark内核的设计理念和架构实现，系统讲解各个核心模块的实现，为性能调优、二次开发和系统运维提供理论支持，为更好地使用Spark Streaming、MLlib、Spark SQL和GraphX等奠定基础。

本书在着重解决游戏分析的基本认识、方法之外，还有更多对于业务理解的思考。本书分为两大部分：一部分贯穿了从基本的游戏数据分析概念、分析师的定位、数据指标认识、游戏数据分析方法论、统计学运用、渠道流量经营到具体的产品每个阶段用户的数据运营知识。二部分则重点阐述运用R语言和数据挖掘的知识，深入探讨游戏数据分析的高阶知识。

本书重点关注大数据技术在企业的应用，帮助IT决策者挖掘数据价值、提升商业洞察。

《数据库技术丛书:高并发Oracle数据库系统的架构与设计》主要内容从三个维度展开：首先是内部扩展的维度，深入探讨了高效B树索引、高效表设计、查询优化器等数据库架构设计与优化的核心技术，以及高并发Oracle数据库系统架构与设计的方法论和常见的高并发案例；其次是纵向扩展的维度，首次详细讲解内存数据库TimesTen的基本使用、高可用架构设计、缓存应用、监控方法、数据备份与恢复、数据迁移以及高并发场景；最后是横向扩展的维度，详细讲解了如何使用GoldenGate构建数据库群，重点是结合链路原理的实现，介绍了拓展数据集成平台和异构数据库群的设计思路。

本书系统地介绍了大数据算法设计与分析的理论、方法和技术，针对大数据的特点，介绍了亚线性算法、外存算法、并行算法和众包算法。书中提供了大量关于大数据算法设计与分析的实例，旨在阐述大数据算法设计技术，有助于读者掌握相应的算法设计与分析方法。本书适用作为大数据相关专业本科生、研究生教材，也可供从事大数据相关工作的工程技术人员参考。