掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
大數據導論 第2版 版權信息
- ISBN：9787115641854
- 條形碼：9787115641854 ; 978-7-115-64185-4
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據導論 第2版 本書特色
【內容特點】
（1）內容全面，結構合理：全面細致介紹大數據技術及大數據專業人才應具備的能力。
（2）注重學生數據素養的培養，全書著重體現大數據的應用以及大數據能力的重要性。
【資源特點】重點難點知識微課，配套題庫、PPT、程序源代碼、習題答案等。
【服務特點】作者提供QQ服務群等支持，定期舉辦直播進行教學培訓。
大數據導論 第2版 內容簡介
本書詳細闡述了培養復合型大數據專業人才所需要的大數據相關知識。全書共10章，內容包括大數據概述、大數據與其他新興技術的關系、大數據基礎知識、大數據的應用、大數據的硬件環境、數據采集與預處理、數據存儲與管理、數據處理與分析、數據可視化、大數據分析綜合案例。在大數據基礎知識部分，本書詳細介紹了與培養學生的數據素養相關的知識，包括大數據安全、大數據思維、大數據倫理、數據共享、數據開放、大數據交易和大數據治理。
本書可以作為高等院校大數據專業的導論課教材，也可供相關技術人員參考。
大數據導論 第2版 目錄
第1章 大數據概述 1
1.1 數據 1
1.1.1 數據的概念 1
1.1.2 數據的類型 2
1.1.3 數據的組織形式 3
1.1.4 數據的生命周期 3
1.1.5 數據的使用 3
1.1.6 數據的價值 4
1.1.7 數據爆炸 5
1.1.8 數商 5
1.2 大數據時代 6
1.2.1 第三次信息化浪潮 7
1.2.2 信息科技為大數據時代提供技術支撐 7
1.2.3 數據產生方式的變革促成大數據時代的來臨 8
1.3 大數據的發展歷程 9
1.4 世界各國的大數據發展戰略 11
1.4.1 美國 12
1.4.2 英國 13
1.4.3 歐盟 13
1.4.4 韓國 14
1.4.5 日本 14
1.4.6 中國 14
1.5 大數據的概念 17
1.5.1 數據量大 17
1.5.2 數據類型繁多 18
1.5.3 處理速度快 19
1.5.4 價值密度低 20
1.6 大數據的影響 20
1.6.1 大數據對科學研究的影響 20
1.6.2 大數據對社會發展的影響 22
1.6.3 大數據對就業市場的影響 23
1.6.4 大數據對人才培養的影響 23
1.7 大數據的應用 25
1.7.1 大數據在各個領域的應用 25
1.7.2 大數據應用的3個層次 26
1.8 大數據產業 27
1.9 大數據與數字經濟 29
1.9.1 數字經濟 29
1.9.2 大數據與數字經濟的緊密關系 32
1.10 高校的大數據專業 33
1.10.1 大數據專業概述 34
1.10.2 大數據專業體系 35
1.10.3 大數據專業的編程語言 36
1.11 本章小結 38
1.12 習題 39
第2章 大數據與其他新興技術的關系 40
2.1 云計算 40
2.1.1 云計算的概念 40
2.1.2 云計算的服務模式和類型 43
2.1.3 云計算數據中心 43
2.1.4 云計算的應用和產業 45
2.2 物聯網 46
2.2.1 物聯網的概念 46
2.2.2 物聯網的關鍵技術 47
2.2.3 物聯網的應用 49
2.2.4 物聯網產業鏈 50
2.3 大數據與云計算、物聯網的關系 50
2.4 人工智能 51
2.4.1 人工智能的概念 52
2.4.2 人工智能的關鍵技術 52
2.4.3 人工智能的應用 56
2.4.4 人工智能產業 60
2.4.5 大數據與人工智能的關系 63
2.5 區塊鏈 63
2.5.1 比特幣概述 64
2.5.2 區塊鏈的原理 64
2.5.3 區塊鏈的定義和應用 70
2.5.4 大數據與區塊鏈的關系 71
2.6 元宇宙 73
2.6.1 元宇宙的概念 73
2.6.2 元宇宙的基本特征 74
2.6.3 元宇宙的核心技術 75
2.6.4 大數據與元宇宙的關系 77
2.7 本章小結 77
2.8 習題 77
第3章 大數據基礎知識 79
3.1 大數據安全 79
3.1.1 傳統數據安全 80
3.1.2 大數據安全與傳統數據安全的不同 80
3.1.3 大數據時代數據安全面臨的挑戰 81
3.1.4 大數據安全問題分類 82
3.1.5 大數據面臨的具體安全威脅 84
3.1.6 典型案例 86
3.2 大數據思維 89
3.2.1 傳統的思維方式 89
3.2.2 大數據時代需要新的思維方式 89
3.2.3 大數據思維方式 91
3.2.4 運用大數據思維方式的具體實例 94
3.3 大數據倫理 101
3.3.1 大數據倫理的概念 101
3.3.2 大數據倫理的典型案例 102
3.3.3 大數據的倫理問題 105
3.4 數據共享 110
3.4.1 數據孤島問題 110
3.4.2 數據孤島問題產生的原因 111
3.4.3 消除數據孤島的重要意義 112
3.4.4 實現數據共享所面臨的挑戰 112
3.4.5 推進數據共享開放的舉措 114
3.4.6 數據共享案例 115
3.5 數據開放 119
3.5.1 政府開放數據的理論基礎 119
3.5.2 政府信息公開與政府數據開放的聯系與區別 122
3.5.3 政府數據開放的重要意義 123
3.6 大數據交易 125
3.6.1 大數據交易概述 125
3.6.2 大數據交易的發展現狀 126
3.6.3 大數據交易平臺 128
3.7 大數據治理 132
3.7.1 概述 132
3.7.2 大數據治理要素和治理原則 138
3.7.3 大數據治理的范圍 140
3.8 本章小結 143
3.9 習題 143
第4章 大數據的應用 145
4.1 大數據在互聯網領域的應用 145
4.2 大數據在生物醫學領域的應用 146
4.2.1 流行病預測 146
4.2.2 智慧醫療 148
4.2.3 生物信息學 148
4.3 大數據在物流領域的應用 149
4.3.1 智能物流的概念 149
4.3.2 大數據是智能物流的關鍵 149
4.3.3 中國智能物流骨干網—菜鳥 150
4.4 大數據在城市管理領域的應用 151
4.4.1 智能交通 151
4.4.2 環保監測 151
4.4.3 城市規劃 152
4.4.4 安防 153
4.5 大數據在金融領域的應用 153
4.5.1 高頻交易 153
4.5.2 市場情緒分析 154
4.5.3 信貸風險分析 154
4.5.4 大數據征信 155
4.6 大數據在汽車領域的應用 156
4.7 大數據在零售領域的應用 156
4.7.1 發現關聯購買行為 157
4.7.2 客戶群體細分 157
4.7.3 供應鏈管理 158
4.8 大數據在餐飲領域的應用 158
4.8.1 餐飲領域擁抱大數據 159
4.8.2 餐飲O2O 159
4.9 大數據在電信和能源領域的應用 160
4.10 大數據在體育和娛樂領域的應用 161
4.10.1 訓練球隊 162
4.10.2 投拍影視作品 162
4.10.3 預測比賽結果 163
4.11 大數據在安全領域的應用 163
4.11.1 大數據與國家安全 163
4.11.2 應用大數據技術防御網絡攻擊 164
4.11.3 警察應用大數據工具預防犯罪 164
4.12 大數據在日常生活中的應用 165
4.13 本章小結 167
4.14 習題 167
第5章 大數據的硬件環境 168
5.1 服務器的性能指標 168
5.2 服務器的分類及選購 170
5.3 系統的性能評估 171
5.3.1 CPU 172
5.3.2 內存 173
5.3.3 存儲 174
5.3.4 網卡 177
5.4 硬件系統分析 178
5.5 網絡設備 179
5.6 系統組網方案設計 181
5.6.1 網絡需求分析 181
5.6.2 網絡結構設計 182
5.7 數據中心 183
5.7.1 數據中心的分類 184
5.7.2 數據中心的組成 184
5.7.3 數據中心的上線 185
5.8 本章小結 185
5.9 習題 186
第6章 數據采集與預處理 187
6.1 數據采集 187
6.1.1 數據采集的概念 187
6.1.2 數據采集的三大要點 188
6.1.3 數據采集的數據源 188
6.1.4 數據采集方法 189
6.1.5 網絡爬蟲 191
6.2 數據清洗 196
6.2.1 數據清洗的應用領域 196
6.2.2 數據清洗的實現方式 196
6.2.3 數據清洗的內容 197
6.2.4 數據清洗的注意事項 198
6.2.5 數據清洗的基本流程 198
6.2.6 數據清洗的評價標準 199
6.2.7 數據清洗的行業發展 199
6.3 數據集成和數據轉換 200
6.3.1 數據集成 200
6.3.2 數據轉換 201
6.4 數據歸約 204
6.5 數據脫敏 205
6.6 本章小結 207
6.7 習題 207
第7章 數據存儲與管理 208
7.1 傳統的數據存儲與管理技術 208
7.1.1 文件系統 208
7.1.2 關系數據庫 209
7.1.3 數據倉庫 210
7.1.4 并行數據庫 212
7.2 大數據時代的數據存儲與管理技術 213
7.2.1 分布式文件系統 213
7.2.2 NewSQL和NoSQL數據庫 213
7.2.3 云數據庫 215
7.2.4 數據湖 216
7.3 大數據處理架構Hadoop 220
7.3.1 Hadoop的特性 220
7.3.2 Hadoop生態系統 221
7.4 分布式文件系統HDFS 223
7.4.1 HDFS的設計目標 223
7.4.2 HDFS的體系結構 224
7.5 NoSQL數據庫 225
7.5.1 鍵值數據庫 226
7.5.2 列族數據庫 227
7.5.3 文檔數據庫 227
7.5.4 圖數據庫 228
7.6 云數據庫 229
7.6.1 云數據庫的概念 229
7.6.2 云數據庫的特性 230
7.6.3 云數據庫與其他數據庫的關系 231
7.6.4 代表性的云數據庫產品 232
7.7 分布式數據庫HBase 232
7.7.1 Bigtable概述 232
7.7.2 HBase簡介 233
7.7.3 HBase的數據模型 233
7.7.4 HBase的系統架構 235
7.8 Spanner 236
7.9 OceanBase 237
7.10 本章小結 238
7.11 習題 239
第8章 數據處理與分析 240
8.1 數據處理與分析的概念 240
8.2 基于統計學方法的數據分析 242
8.2.1 常見的數據分析方法 242
8.2.2 數據分析的主流工具 244
8.3 機器學習和數據挖掘算法 246
8.3.1 概述 246
8.3.2 分類 247
8.3.3 聚類 248
8.3.4 回歸分析 249
8.3.5 關聯規則 249
8.3.6 協同過濾 250
8.4 數據挖掘的方法體系 251
8.4.1 可挖掘的知識 251
8.4.2 數據挖掘系統的體系結構 252
8.4.3 數據挖掘流程 253
8.5 大數據處理與分析技術 254
8.5.1 技術分類 255
8.5.2 流計算 256
8.5.3 圖計算 258
8.6 大數據處理與分析的代表性產品 260
8.6.1 分布式計算框架MapReduce 260
8.6.2 數據倉庫Hive 261
8.6.3 數據倉庫Impala 263
8.6.4 基于內存的分布式計算框架Spark 264
8.6.5 機器學習框架
TensorFlowOnSpark 278
8.6.6 流計算框架Flink 280
8.6.7 大數據編程框架Beam 283
8.6.8 查詢分析系統Dremel 284
8.7 本章小結 285
8.8 習題 286
第9章 數據可視化 287
9.1 可視化概述 287
9.1.1 數據可視化簡介 287
9.1.2 可視化的發展歷程 288
9.1.3 可視化的重要作用 288
9.2 可視化圖表 290
9.3 可視化工具 291
9.3.1 入門級工具 291
9.3.2 信息圖表工具 291
9.3.3 地圖工具 293
9.3.4 時間線工具 293
9.3.5 高級分析工具 294
9.4 本章小結 294
9.5 習題 295
第10章 大數據分析綜合案例 296
10.1 案例任務 296
10.2 系統設計 297
10.2.1 系統總體設計 297
10.2.2 數據庫設計 297
10.2.3 系統網站設計 298
10.2.4 算法設計 299
10.3 技術選擇 301
10.4 系統實現 303
10.5 本章小結 304
10.6 習題 304
參考文獻 305
1.1 數據 1
1.1.1 數據的概念 1
1.1.2 數據的類型 2
1.1.3 數據的組織形式 3
1.1.4 數據的生命周期 3
1.1.5 數據的使用 3
1.1.6 數據的價值 4
1.1.7 數據爆炸 5
1.1.8 數商 5
1.2 大數據時代 6
1.2.1 第三次信息化浪潮 7
1.2.2 信息科技為大數據時代提供技術支撐 7
1.2.3 數據產生方式的變革促成大數據時代的來臨 8
1.3 大數據的發展歷程 9
1.4 世界各國的大數據發展戰略 11
1.4.1 美國 12
1.4.2 英國 13
1.4.3 歐盟 13
1.4.4 韓國 14
1.4.5 日本 14
1.4.6 中國 14
1.5 大數據的概念 17
1.5.1 數據量大 17
1.5.2 數據類型繁多 18
1.5.3 處理速度快 19
1.5.4 價值密度低 20
1.6 大數據的影響 20
1.6.1 大數據對科學研究的影響 20
1.6.2 大數據對社會發展的影響 22
1.6.3 大數據對就業市場的影響 23
1.6.4 大數據對人才培養的影響 23
1.7 大數據的應用 25
1.7.1 大數據在各個領域的應用 25
1.7.2 大數據應用的3個層次 26
1.8 大數據產業 27
1.9 大數據與數字經濟 29
1.9.1 數字經濟 29
1.9.2 大數據與數字經濟的緊密關系 32
1.10 高校的大數據專業 33
1.10.1 大數據專業概述 34
1.10.2 大數據專業體系 35
1.10.3 大數據專業的編程語言 36
1.11 本章小結 38
1.12 習題 39
第2章 大數據與其他新興技術的關系 40
2.1 云計算 40
2.1.1 云計算的概念 40
2.1.2 云計算的服務模式和類型 43
2.1.3 云計算數據中心 43
2.1.4 云計算的應用和產業 45
2.2 物聯網 46
2.2.1 物聯網的概念 46
2.2.2 物聯網的關鍵技術 47
2.2.3 物聯網的應用 49
2.2.4 物聯網產業鏈 50
2.3 大數據與云計算、物聯網的關系 50
2.4 人工智能 51
2.4.1 人工智能的概念 52
2.4.2 人工智能的關鍵技術 52
2.4.3 人工智能的應用 56
2.4.4 人工智能產業 60
2.4.5 大數據與人工智能的關系 63
2.5 區塊鏈 63
2.5.1 比特幣概述 64
2.5.2 區塊鏈的原理 64
2.5.3 區塊鏈的定義和應用 70
2.5.4 大數據與區塊鏈的關系 71
2.6 元宇宙 73
2.6.1 元宇宙的概念 73
2.6.2 元宇宙的基本特征 74
2.6.3 元宇宙的核心技術 75
2.6.4 大數據與元宇宙的關系 77
2.7 本章小結 77
2.8 習題 77
第3章 大數據基礎知識 79
3.1 大數據安全 79
3.1.1 傳統數據安全 80
3.1.2 大數據安全與傳統數據安全的不同 80
3.1.3 大數據時代數據安全面臨的挑戰 81
3.1.4 大數據安全問題分類 82
3.1.5 大數據面臨的具體安全威脅 84
3.1.6 典型案例 86
3.2 大數據思維 89
3.2.1 傳統的思維方式 89
3.2.2 大數據時代需要新的思維方式 89
3.2.3 大數據思維方式 91
3.2.4 運用大數據思維方式的具體實例 94
3.3 大數據倫理 101
3.3.1 大數據倫理的概念 101
3.3.2 大數據倫理的典型案例 102
3.3.3 大數據的倫理問題 105
3.4 數據共享 110
3.4.1 數據孤島問題 110
3.4.2 數據孤島問題產生的原因 111
3.4.3 消除數據孤島的重要意義 112
3.4.4 實現數據共享所面臨的挑戰 112
3.4.5 推進數據共享開放的舉措 114
3.4.6 數據共享案例 115
3.5 數據開放 119
3.5.1 政府開放數據的理論基礎 119
3.5.2 政府信息公開與政府數據開放的聯系與區別 122
3.5.3 政府數據開放的重要意義 123
3.6 大數據交易 125
3.6.1 大數據交易概述 125
3.6.2 大數據交易的發展現狀 126
3.6.3 大數據交易平臺 128
3.7 大數據治理 132
3.7.1 概述 132
3.7.2 大數據治理要素和治理原則 138
3.7.3 大數據治理的范圍 140
3.8 本章小結 143
3.9 習題 143
第4章 大數據的應用 145
4.1 大數據在互聯網領域的應用 145
4.2 大數據在生物醫學領域的應用 146
4.2.1 流行病預測 146
4.2.2 智慧醫療 148
4.2.3 生物信息學 148
4.3 大數據在物流領域的應用 149
4.3.1 智能物流的概念 149
4.3.2 大數據是智能物流的關鍵 149
4.3.3 中國智能物流骨干網—菜鳥 150
4.4 大數據在城市管理領域的應用 151
4.4.1 智能交通 151
4.4.2 環保監測 151
4.4.3 城市規劃 152
4.4.4 安防 153
4.5 大數據在金融領域的應用 153
4.5.1 高頻交易 153
4.5.2 市場情緒分析 154
4.5.3 信貸風險分析 154
4.5.4 大數據征信 155
4.6 大數據在汽車領域的應用 156
4.7 大數據在零售領域的應用 156
4.7.1 發現關聯購買行為 157
4.7.2 客戶群體細分 157
4.7.3 供應鏈管理 158
4.8 大數據在餐飲領域的應用 158
4.8.1 餐飲領域擁抱大數據 159
4.8.2 餐飲O2O 159
4.9 大數據在電信和能源領域的應用 160
4.10 大數據在體育和娛樂領域的應用 161
4.10.1 訓練球隊 162
4.10.2 投拍影視作品 162
4.10.3 預測比賽結果 163
4.11 大數據在安全領域的應用 163
4.11.1 大數據與國家安全 163
4.11.2 應用大數據技術防御網絡攻擊 164
4.11.3 警察應用大數據工具預防犯罪 164
4.12 大數據在日常生活中的應用 165
4.13 本章小結 167
4.14 習題 167
第5章 大數據的硬件環境 168
5.1 服務器的性能指標 168
5.2 服務器的分類及選購 170
5.3 系統的性能評估 171
5.3.1 CPU 172
5.3.2 內存 173
5.3.3 存儲 174
5.3.4 網卡 177
5.4 硬件系統分析 178
5.5 網絡設備 179
5.6 系統組網方案設計 181
5.6.1 網絡需求分析 181
5.6.2 網絡結構設計 182
5.7 數據中心 183
5.7.1 數據中心的分類 184
5.7.2 數據中心的組成 184
5.7.3 數據中心的上線 185
5.8 本章小結 185
5.9 習題 186
第6章 數據采集與預處理 187
6.1 數據采集 187
6.1.1 數據采集的概念 187
6.1.2 數據采集的三大要點 188
6.1.3 數據采集的數據源 188
6.1.4 數據采集方法 189
6.1.5 網絡爬蟲 191
6.2 數據清洗 196
6.2.1 數據清洗的應用領域 196
6.2.2 數據清洗的實現方式 196
6.2.3 數據清洗的內容 197
6.2.4 數據清洗的注意事項 198
6.2.5 數據清洗的基本流程 198
6.2.6 數據清洗的評價標準 199
6.2.7 數據清洗的行業發展 199
6.3 數據集成和數據轉換 200
6.3.1 數據集成 200
6.3.2 數據轉換 201
6.4 數據歸約 204
6.5 數據脫敏 205
6.6 本章小結 207
6.7 習題 207
第7章 數據存儲與管理 208
7.1 傳統的數據存儲與管理技術 208
7.1.1 文件系統 208
7.1.2 關系數據庫 209
7.1.3 數據倉庫 210
7.1.4 并行數據庫 212
7.2 大數據時代的數據存儲與管理技術 213
7.2.1 分布式文件系統 213
7.2.2 NewSQL和NoSQL數據庫 213
7.2.3 云數據庫 215
7.2.4 數據湖 216
7.3 大數據處理架構Hadoop 220
7.3.1 Hadoop的特性 220
7.3.2 Hadoop生態系統 221
7.4 分布式文件系統HDFS 223
7.4.1 HDFS的設計目標 223
7.4.2 HDFS的體系結構 224
7.5 NoSQL數據庫 225
7.5.1 鍵值數據庫 226
7.5.2 列族數據庫 227
7.5.3 文檔數據庫 227
7.5.4 圖數據庫 228
7.6 云數據庫 229
7.6.1 云數據庫的概念 229
7.6.2 云數據庫的特性 230
7.6.3 云數據庫與其他數據庫的關系 231
7.6.4 代表性的云數據庫產品 232
7.7 分布式數據庫HBase 232
7.7.1 Bigtable概述 232
7.7.2 HBase簡介 233
7.7.3 HBase的數據模型 233
7.7.4 HBase的系統架構 235
7.8 Spanner 236
7.9 OceanBase 237
7.10 本章小結 238
7.11 習題 239
第8章 數據處理與分析 240
8.1 數據處理與分析的概念 240
8.2 基于統計學方法的數據分析 242
8.2.1 常見的數據分析方法 242
8.2.2 數據分析的主流工具 244
8.3 機器學習和數據挖掘算法 246
8.3.1 概述 246
8.3.2 分類 247
8.3.3 聚類 248
8.3.4 回歸分析 249
8.3.5 關聯規則 249
8.3.6 協同過濾 250
8.4 數據挖掘的方法體系 251
8.4.1 可挖掘的知識 251
8.4.2 數據挖掘系統的體系結構 252
8.4.3 數據挖掘流程 253
8.5 大數據處理與分析技術 254
8.5.1 技術分類 255
8.5.2 流計算 256
8.5.3 圖計算 258
8.6 大數據處理與分析的代表性產品 260
8.6.1 分布式計算框架MapReduce 260
8.6.2 數據倉庫Hive 261
8.6.3 數據倉庫Impala 263
8.6.4 基于內存的分布式計算框架Spark 264
8.6.5 機器學習框架
TensorFlowOnSpark 278
8.6.6 流計算框架Flink 280
8.6.7 大數據編程框架Beam 283
8.6.8 查詢分析系統Dremel 284
8.7 本章小結 285
8.8 習題 286
第9章 數據可視化 287
9.1 可視化概述 287
9.1.1 數據可視化簡介 287
9.1.2 可視化的發展歷程 288
9.1.3 可視化的重要作用 288
9.2 可視化圖表 290
9.3 可視化工具 291
9.3.1 入門級工具 291
9.3.2 信息圖表工具 291
9.3.3 地圖工具 293
9.3.4 時間線工具 293
9.3.5 高級分析工具 294
9.4 本章小結 294
9.5 習題 295
第10章 大數據分析綜合案例 296
10.1 案例任務 296
10.2 系統設計 297
10.2.1 系統總體設計 297
10.2.2 數據庫設計 297
10.2.3 系統網站設計 298
10.2.4 算法設計 299
10.3 技術選擇 301
10.4 系統實現 303
10.5 本章小結 304
10.6 習題 304
參考文獻 305
展開全部
大數據導論 第2版 作者簡介
林子雨，博士，國內高校知名大數據教師，廈門大學計算機科學與技術系副教授，廈門大學計算機科學與技術系數據庫實驗室負責人，中國計算機學會數據庫專委會委員，中國計算機學會信息系統專委會委員，入選“2021年高校計算機專業優秀教師獎勵計劃”，榮獲“2022 年福建省高等教育教學成果獎特等獎(個人排名第一)”和“2018 年福建省高等教育教學成果獎二等獎(個人排名第一)”，出版 12 本大數據系列教材，被國內 500 多所高校采用，建設了國內高校首個大數據課程公共服務平臺，平臺累計訪問量超過 2300 萬次，成為全國高校大數據教學知名品牌，主持的“大數據技術原理與應用"課程獲評國家精品在線開放課程和國家級線上一流本科課程，主持的“Spark 編程基礎課程狹評國家級一流本科課程。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
有舍有得是人生
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
【精裝繪本】畫給孩子的中國神話
- >
推拿
- >
上帝之肋:男人的真實旅程
- >
苦雨齋序跋文-周作人自編集
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
