《数据治理——理论、方法与实践》关注以数据为关键要素的数字经济时代背景下的数据治理问题，分为 8 章。第 1 、2 章以数据治 理基础概念作为铺垫，重点对数据、数据治理以及数据治理体系所涵盖的内容进行全面梳理，明晰数据治理的现状、趋势，并进行国内外数据治理理念与体系的比较；第3～ 7章是数据治理核心问题探讨， 重点对数据开放、数据交易、数据安全等核心内容进行系统阐述，明确数字经济背景下的数据治理过程中的痛点、难点问题，以及未来发展的核心方向；第 8 章是数据治理实践应用，深入企业数据治理层面了解

本书是备受广大读者推崇的数据结构与算法入门教程，已在GitHub获得超60k的 Star，并多次登顶GitHub Trending。书中系统介绍了数据结构与算法基础、复杂度分析、数组与链表、栈与队列、哈希表、树、堆、图、搜索、排序、分治、回溯、动态规划和贪心算法等核心知识，通过清晰易懂的解释和丰富的代码示例，以及生动形象的全彩插图和在线动画图解，揭示算法工作原理和数据结构底层实现，教授读者如何选择和设计算法来解决不同类型的问题，切实提升编程技能，构建完整的数据结构与算法知识体系。

我国互联网平台经济自2010年开始步入快速发展阶段，成为推动经济、社会发展的重要引擎，也推动着新业态新模式不断涌现。在数字经济时代，数据成为互联网平台经济的驱动要素。平台企业基于互联网技术，以数据作为生产要素对资源进行配置。然而，互联网平台企业数据造假现象问题一直存在，尤其是社交平台、媒体广告平台、点评平台问题最为突出。这一行为侵害消费者知情权和选择权，损害商家利益，还会误导投资方和并购方对企业价值的评判，扭曲市场机制，不利于互联网平台行业规范健康发展。当前，我国经济正处于新旧动能转换

本书由微信公众号“狗熊会”（ID: CluBear）创始人王汉生教授（熊大）及其核心团队联合创作完成。本书可以被看作商业分析领域入门级通俗且有趣的读物，深入浅出，雅俗共赏，适合数据分析师、工程师、产品经理、销售人员、商务拓展人员以及数据企业高管阅读。
本书主要由六章组成。第一章介绍了熊大朴素的数据价值观，解读数据与价值的逻辑关系；第二章介绍了最基本的数据可视化方法（统计图表）的规范与有趣应用；第三章介绍了回归分析，通过精彩案例展示了如何将一个业务问题定义成一个数据可分析问题；第四章介绍了

数字时代，数据被列为关键生产要素，人们普遍意识到数据的影响力开始从数字空间走向实体空间，已然和政治、经济、社会、文化与人们的日常生活各方面发生交融，产生深远的影响，本书围绕这一核心要义分为三个部分展开论述。第一部分 数权世界（第1章~第4章）：从数权世界的角度出发，探讨了解放数据生产力、数据权利与数据权力、数据战略与国际博弈、数据主权与国家主权、数据开放与国家治理、数据跨境流动与外交、数据安全与国家安全等方面的内容。第二部分 数据、经济与生活（第5章~第8章）：首先，从数据和经济的关系出

本书基于Python 3.10版本，以项目实战的方式系统地介绍了Python网络爬虫开发的相关知识，主要内容包括Python基础实战、网页数据采集实战、网页数据解析实战、并发技术实战、动态内容采集实战、爬虫数据存储实战、Scrapy爬虫框架实战等，通过多个实战任务的练习，让读者能最大限度地掌握Python网络爬虫的核心技术。为了方便读者学习，本书附有配套源代码、教学PPT、题库、教学视频、教学设计等资源。本书可作为高等院校计算机相关专业程序设计课程教材，也可供从事计算机爬虫应用开发的相关人员使用

本书作为《大数据导论》（ISBN 9787302500704）的配套实训教材，旨在帮助读者夯实基础知识，还原企业真实业务，提升实操能力。本书从大数据开发所需要的基础编程知识出发，首先阐述 Linux 开发环境中常用的命令。接着介绍数据清洗工具 Kettle 的基础操作以及常见的数据可视化效果，如饼图、柱状图、折线图、平行坐标图等。最后通过数据清洗、数据可视化、数据挖掘等热门大数据技术在环境、金融、电商等行业的具体应用，给读者提供真实的大数据体验情景。
本书提供了丰富的项目实训案例，

本书较完整地讲解了数据挖掘和机器学习的基本概念、基本算法原理和应用技术。本书用通俗的语言和实例解释了抽象的概念，并将抽象概念融合到具体的案例中，以便于读者理解和掌握。

本书在编写过程中力求做到语言精练、概念清晰、取材合理、深入浅出、突出应用，为读者进一步从事数据分析、应用、开发和研究奠定坚实的基础。

本书既可作为高等院校信息类和管理类专业的数据挖掘或机器学习课程的教材，也可作为科研人员、工程师和数据分析爱好者的参考书。

本书以数据要素化治理的理论方法与工程实践为主线，内容按照概念篇、原理篇和工程篇依次展开。概念篇在对数据、数据要素相关概念及其演进过程进行系统梳理的基础上，首次对“数据要素”“数据要素化”进行了明确定义，并基于传统生产要素市场化配置规律，提出数据要素化治理的基本思路。在原理篇，定义了数据元件作为连接数据供需两端的“中间态”和数据要素交易流通的标的物，进而构建基于数据元件的数据要素流通模型、数据要素化安全模型以及数据要素化治理系统模型。在工程篇，详细阐述了制度体系、技术体系和市场体系“三位一体”的解

数据科学的关键技术包括数据存储计算、数据治理、结构化数据分析、语音分析、视觉分析、文本分析和知识图谱等方面。本书的重点是详细介绍文本分析和知识图谱方面的技术。文本分析技术主要包括文本预训练模型、多语种文本分析、文本情感分析、文本机器翻译、文本智能纠错、NL2SQL问答以及ChatGPT大语言模型等。知识图谱技术主要包括知识图谱构建和知识图谱问答等。本书将理论介绍和实践相结合，详细阐述各个技术主题的实现路线，并对应用于业界算法大赛中的技术方案和技巧进行源代码解读，帮助读者深入理解技术原理。最后，本