很多人都知道孕期需要补充营养，但知道怀孕的那一刻，却突然觉得自己是营养方面的“小白”，别担心，本书重点关注饮食，为你进行详尽的指导，助你有条不紊地度过整个孕期。吃得明白补得放心，营养重点清楚掌握！孕期需要补充哪些营养、怎么补充营养、每周饮食原则和关键营养素……根据不同阶段，孕妈妈的变化和胎宝宝的成长，及时更新，满足妈妈宝宝需求。一人吃，两人补！每周食材清单一目了然，照着买每餐不发愁；每周食谱方案精

在大数据时代，R以其强大的数据分析挖掘、可视化绘图等功能，越来越受到社会各个领域的青睐。现在，R的计算引擎、性能、程序包都得到了提升，其中R与大数据分析平台Hadoop的结合，实现了R对大数据的分析式处理分析。这些不仅大大扩展了R的应用，也扩大了R在各行业的需求。为了更好地适应新形势，掌握大数据分析处理的相关知识是很有必要的。本书从理论基础、方法、实证三方面详细地阐释了R和RHadoop的相关理论

《大数据精细化销售管理、数据分析与预测》对精细化销售管理、数据分析与预测课程系统进行讲解，提供企业运营中的销售计划指标的设定、数据获取、分析的方法，并通过常用的Office工具来制定运营模型，对企业市场拓展和销售计划制定和执行的跟踪、调整进行有效控制，并采取相应的考核制度进行保障，帮助企业降低运营风险和有效开拓市场。本书适合营运部、财务部、商品企化部、销售管理部、销售及需要做产品分析和销售报表的相

本书内容丰富、实用性强，以数据化思维为导向，全面系统地介绍收集、处理和分析电商数据的各种方法，以及如何利用数据分析更好地运营网店。全书共10章，主要内容包括电商数据分析概述、电商数据收集与预处理、市场行业与竞争对手分析、商品分析与定价、店铺流量分析、运营与营销分析、销售与利润分析、库存管理与数据化分析、消费者行为与价值分析、数据分析报告与数据看板制作等。本书不仅可作为高等院校电子商务、大数据管理与

本书利用计算机量化分析技术，对89种常见K线形态和组合（45种看涨形态和组合、44种看跌形态和组合）进行量化分析，并利用长期交易数据，对股票、期货（商品期货及能源）以及外汇市场进行长时期、大跨度的统计分析，从而得到每种K线形态和组合在不同金融市场、不同交易品种、不同历史时期下的出现频率、成功率、盈亏比、净收益等多种统计结果，为广大中国投资者在使用蜡烛图进行实盘交易时提供一份有效、可靠的参考依据。

Spark作为新兴的、应用范围广泛的大数据处理开源框架，吸引了大量的大数据分析与挖掘从业人员进行相关内容的学习与开发，其中ML是Spark3.0机器学习框架使用的核心。本书用于Spark3.0ML大数据分析与挖掘入门，配套示例源码、PPT课件、数据集、思维导图、开发环境和作者答疑服务。本书共分13章，从Spark3.0大数据分析概述、基础安装和配置开始，依次介绍ML的DataFrame、ML的基本

《Python金融大数据分析第2版》分为5部分，共21章。第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数

本教程选用微软PowerBI为数据分析工具，将10个项目划分为应用入门、进阶提升和财务综合应用三个循序渐进的学习阶段。应用入门包括财务大数据与可视化分析认知、PowerBI初体验、数据获取与整理、数据建模和数据可视化5个项目；进阶提升包括PowerBI动态交互、数据可视化分析实例和爬虫案例分析3个项目；财务综合应用包括财务数据可视化智能分析和应收账款数据可视化分析2个综合案例。本书结构合理、

PowerBI是微软（Microsoft）公司官方推出的一个有效地整合企业数据，并快速准确地提供商业智能分析的数据可视化工具。本书以PowerBI为数据分析工具，在介绍数据分析以及商业智能相关内容的基础上，以财务数据为重点分析对象，详细介绍了PowerBI获取数据、整理数据、数据建模进而实现财务大数据分析和可视化等内容，并提供完整实现案例以及数据分析报告撰写范本，完整描述了财务大数据分析和可

随着我国信息化进程的不断加速及大数据和人工智能技术的不断发展，财务人员需要全面深入地分析财务数据，帮助企业预测和防范经营过程中可能遇到的风险。本书以PowerBI为数据分析工具，重点介绍了商业智能的相关知识，以及利用PowerBI获取数据、整理数据，并对数据建模，进而实现财务大数据分析和可视化的内容。本书最后还提供了一个白色家电行业三家上市公司的财务分析案例和一个虚拟企业的经营分析案例，这些典

本书按照需求规划、需求实现、需求可视化的流程进行编排，遵循项目开发的实际流程，全面介绍了数据仓库的搭建过程。在整个数据仓库的搭建过程中，本书介绍了主要组件的安装部署过程、需求实现的具体思路、部分问题的解决方案等，并在其中穿插了许多与大数据和数据仓库相关的理论知识，包括大数据概论、数据仓库概论、电商业务概述、数据仓库理论准备、数据仓库建模等。本书从逻辑上可以分为三部分：第一部分是大数据与数据仓库概论

本书以图文并茂的方式介绍了Python的基础内容，并深入浅出地介绍了数据分析和机器学习领域的相关入门知识。第1章至第5章以极简方式讲解了Python的常用语法和使用技巧，包括数据类型与程序控制结构、自建Python模块与第三方模块、Python函数和面向对象程序设计等。第6章至第8章介绍了数据分析必备技能，如NumPy、Pandas和Matplotlib。第9章和第10章主要介绍了机器学习的基本

吃是人的本能，但吃什么，怎么吃，这里面却大有讲究。“吃是人类身体健康的第一道关”，人的健康不能只停留在“不得病”的低水平上，要有健康的体魄，还要会“吃”。要会“吃”，就不能由着性子来，以至于想吃就吃，这是万万不可的。总之，在解决了“吃饱”的问题后，现在是应该解决怎样“吃好”的时候了。为此，我们综合了国内外的最新研究成果，并根据现代男性的身体和生存状况，编辑了本书。主要是通过饮食营养达到

Python是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python来做预测，不仅能够在

《大数据分析与挖掘》主要内容包括：第1章绪论、第2章数据特征分析与预处理、第3章关联规则挖掘、第4章分类算法、第5章聚类算法、第6章分布式大数据流挖掘、第7章综合案例——基于华为技术与设备。本书可作为高等院校数据科学与大数据技术、计算机科学与技术等相关专业的本科生教材。

本书根据作者的大量企业实践出发，内容覆盖基本概念、理论方法、实践应用，全面介绍工业大数据分析方法。数据基本概念篇（第1章），从工业大数据定义、特性分析、分析流程，阐述工业大数据基本概念。理论方法篇（第2~6章），以数据预处理、关联分析、分类分析、聚类分析、预测性分析为主体内容，介绍主流数据分析方法。应用篇（第7~9章），选取三个应用场景，介绍如何通过数据分析，实现工业场景的优化，以业务场景为导向展

《实战大数据（Hadoop+Spark+Flink）——从平台构建到交互式数据分析（离线/实时）》详细介绍了大数据工程师在实际工作中应该熟练掌握的大数据技术。全书共8章，分别是大数据技术概述、搭建IDEA开发环境及Linux虚拟机、基于Hadoop构建大数据平台、基于HBase和Kafka构建海量数据存储与交换系统、用户行为离线分析—构建日志采集和分析平台、基于Spark的用户行为实时分析、基于F

本书基于Spark3.2.x版本，从Spark核心编程语言Scala讲起，涵盖了当前整个Spark生态系统主流的大数据开发技术。全书共9章，第1章讲解了Scala语言的基础知识，包括IDEA工具的使用等；第2章讲解了Spark的主要组件、集群架构原理、集群环境搭建以及Spark应用程序的提交和运行；第3～9章讲解了离线计算框架SparkRDD、SparkSQL和实时计算框架Kafka、SparkS

本书作者总结自己三年多来对多家企业财务工作的实地调研，以及关于财会专业教学和课程设计改革的思考，在书中首先介绍了大数据分析与财务的关系；之后分别介绍了零代码、RPA、Python在财务大数据分析中的作用和角色定位，以及应用大数据技术做财务分析的一般流程和结果表现形式。作者在书中还列举了用大数据做企业财务分析的实战案例，使读者可以一步步了解大数据财务分析模块的搭建过程。在附录中，本书还收录了作者关于

本书的主角是在大数据时代应运而生的数据处理与分析利器——Spark。你将通过丰富的示例学习如何使用Spark的结构化数据API，利用SparkSQL进行交互式查询，掌握Spark应用的优化之道，用Spark和DeltaLake等开源工具构建可靠的数据湖，并用MLlib库实现机器学习流水线。随着Spark从2.x版本升级到3.0版本，本书第2版做了全面的更新，以体现Spark生态系统在机器学习、