本书探讨了基于文本挖掘的知识分类与识别方法，并通过多个学科的案例进行过程展示。在具体实例中，运用词频分析、深度学习和信息计量等方法，对知识进行词频、语义及跨学科特征的分析与测量。研究表明：这些分析不仅有效区分了文献聚合和知识推荐等应用中不同类型知识的价值，也为知识类型的划分提供了依据。最后，本书总结了各类知识的识别方法

本书涵盖了数据安全和隐私保护的基础理论、机器学习中的安全挑战、数据加密技术、差分隐私、安全多方计算、访问控制机制、数据脱敏技术、以及相关的法律法规和伦理问题。书中不仅详细介绍了各种技术的原理和实现方法，还通过案例分析展示了这些技术在实际应用中的有效性。

"《大数据管理与应用概论》从理论、技术和应用三个维度构建课程体系结构。理论篇包括：大数据概述、大数据管理基础理论(数据资产理论、数据权理论、大数据思维、大数据伦理)和大数据管理主要职能(大数据发展规划、大数据组织架构、数据开放与共享、大数据交易、大数据安全)；技术篇包括：大数据相关技术(云计算、物联网、人工智能、区块链

数据科学是从单纯的大量数据集中提取出“智慧”的数据，用以提供人们发现新知识并辅助决策的综合交叉学科。本书为本科教材，阐述了数据科学中数学理论以及相关分析方法。全书包括如下内容：对数据科学和大数据基础理论与发展的概述；承接高等教育中基础的数学理论：线性代数、微积分、概率论与数理统计，并讲述数值分析、马尔科夫预测这类数据科

本书系统地介绍了数据科学中的核心理论与实践方法，为读者理解和应用这些技术提供了坚实的基础。本书涵盖了监督学习、无监督学习和强化学习的内容。其中，监督学习包括理论框架、线性模型、核方法、神经网络以及一阶优化方法。无监督学习涉及聚类分析、主成分分析和生成学习方法。强化学习提供对相关内容的深入探讨。

"本书是面对当前科学可视化、信息可视化、可视分析研究和应用的新形势，专门为计算机、统计、大数据处理及相关专业开设的“数据可视化”课程而编写的。全书分为两篇：原理篇和应用篇。其中，原理篇从数据可视化发展历程、可视化数据的度量和可视化组件、可视化流程等方面讲解可视化基础理论和概念，针对实际应用中遇到的不同类型的数据（包括时

"本书系统地介绍了数据安全与隐私计算涉及的典型密码技术、差分隐私、密文查询、安全多方计算、联邦机器学习等技术。全书共11章:第1章数据安全概述，介绍了数据安全相关的法律法规；第2章密码基础，包括对称密码、公钥密码、可证明安全性、通用可组合安全及国密算法；第3章同态加密，包括半同态Paillier方案、类同态BGN方案、

本书对数据科学与大数据技术本科专业课程和相应知识点进行了介绍。主要内容包括：数据科学与大数据技术本科专业学习要求，学科概述，大数据硬件环境，数据通信与计算机网络，程序、软件与系统，数据采集与存储，数据统计与分析，图形图像处理与可视化，人工智能，数据安全，大数据平台框架及工具，新技术及其对大数据的影响。本书编写的目的是让

本书是一本系统介绍大数据计算技术及其应用的教材，旨在为读者提供一个全面了解大数据计算领域基本概念、关键技术、系统框架、实际应用等的全景图。全书共9章，主要包括绪论、大数据存储、大数据分析与可视化、大数据计算框架及软件架构、先进大数据计算系统框架、大数据计算系统架构模拟仿真、先进大数据计算系统实现技术、先进大数据计算系统

本书是一本全面介绍数据科学理论与实践的综合性教材，旨在向读者展示如何在多样化的数据环境中应用数据科学技术以解决复杂的实际问题。本书的主要内容分为以下两部分：第一部分（第1、2章）主要介绍数据科学与工程的背景、定义、原则和基本概念，以及数据科学基础理论；第二部分（第3～7章）介绍高级应用和案例研究，旨在帮助读者建立数据科