本书分为八章，内容包括：数据、数据资源、数据资产、数据资产评估基础理论、数据评估法规与标准、数据资产评估程序、数据资产评估方法、数据资产评估风险管理。

本书内容共分为七个章节。基本构成如下：生产要素演化与数据要素产生；数据要素的分类与特征；数据要素的确权与定价；数据要素交易；公共数据的流通交易与应用；企业数据的流通交易与应用；个人数据的流通交易与应用。每章都有相关典型案例和专栏拓展内容，也设置了启发性的课后思考题，以帮助读者学习和理解。

本书采用理论知识与任务案例相结合的形式，以PyCharm为主要开发工具，系统地阐述大数据分析处理流程中的常用的第三方库。全书共13个单元，单元1介绍大数据分析的概念等内容；单元2和单元3介绍使用numpy与pandas实现科学计算与统计分析的相关知识；单元4-单元7介绍使用pandas实现数据预处理的方法；单元8介绍使

本书以环境监测传感器网络为例，介绍无线传感器网络知识。具体内容包括无线传感器网络基础知识、ZigBee网络基础知识以及传感器网络建设实践。

《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

本书共分三个部分，分别是基础篇、实践篇和拓展篇。基础篇是对整个课程的历史、背景和技术原理的解释部分，基础篇包含三个项目，讲解了的大数据处理流程、大数据存储架构、大数据存储技术路线等知识。实践篇则是更偏重于理论的实验部分，实验内容较多，注重简单、易学和实用等原则，实践篇包含三个项目，讲解了结构化数据存储技术路线、Post

本书按照“理论+实战”的形式编写，将企业项目需求分解为单独的任务，全面系统地讲解了大数据采集与预处理的相关知识与技术。全书针对数据采集的不同来源，将知识内容分为五个项目，包括网络数据采集、分布式消息系统Kafka、实时数据库采集工具Canal和Maxwell、ETL日志采集技术栈以及ETL工具——Kettle。本书针对

全书共9章，内容涉及数据采集、环境部署、Kettle安装及应用、pandas应用以及Python应用案例，由浅入深地介绍了数据可视化的基础内容。

本书以智能机器人开发的基本技术为主要脉络，以ROS系统为核心开发平台，以企业真实产品为载体，以岗位能力要求为导向，由校企合作团队共同编写而成。本书分为4篇，20个项目，主要内容包括认识智能机器人、智能机器人复杂的大脑、智能机器人蹒跚学步、智能机器人发电报、智能机器人收电报、智能机器人计算好帮手、智能机器人有求必应、智能

"本书是一本面向大数据基础知识学习、基本技能训练和场景应用的项目化教程。全书共分为8个单元，内容包括初识大数据、Linux应用基础、大数据存储与计算、大数据编程基础、数据采集与预处理、数据分析与挖掘、数据可视化、大数据典型行业应用分析。本书知识点全面，融合了大数据应用开发的新技术和多个典型行业应用场景，突出情境案例导引