本书阐述了中国数字资产发展现状，数据资产交易的市场参与者和主要动态，并对现有的国内外监管政策进行了探析，厘清了数字资产发展的难点，针对数字资产的现有金融法规框架，以及数字资产的风险等做典型案例分析，并提出了有针对性解决策略以及数据资产发展的前景展望。

本书主要内容包括数据仓库(基于Python)、关联分析、分类分析和聚类分析(基于SPSS)，以及对应的应用实例，整体分为理论讲解和案例应用两部分。本书的理论讲解更加全面、通俗易懂，且配有一定体量的图形讲解，使学生更易于接受。

本书以项目任务式体例模式编写而成。全书共9个项目，主要包括大数据概述、大数据架构、大数据采集与存储、大数据分析与处理、人工智能概述、人工智能算法、Python概述、Python大数据应用、Python人工智能应用。

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、