本书分为三个部分：基础理论、大数据可视化方法、大数据可视化工具及应用。基础理论部分包括第1、2章，回顾了可视化发展进程，介绍了可视化领域的一些基础概念及应用，以及可视化的一般流程及设计组件。大数据可视化方法部分包括第3到7章，主要介绍了不同类型数据的可视化方法，包括：时间数据、比例数据、关系数据、文本数据、复杂数据。大数据可视化工具及应用部分包括第8到14章，选取了市场上一些主流的可视化工具，围绕它们的使用方法和应用案例展开。这些工具包括商业软件：Excel、FineBI、DataV、Table

本书重点讲述统计数据分析方法和数据挖掘技术，在大数据时代和人工智能时代，数据驱动的知识抽取技术成为一项重要学习和研究内容。本书采用理论和举例相结合的方式进行数据分析和数据挖掘知识讲解，并配套《数据分析与数据挖掘建模工具》一书，便于理论和实践相结合。书中内容包括统计检验、方差分析、回归分析、关联分析、分类模型、聚类模型、离群点分析等典型的数据分析和数据挖掘方法。

本书内容分为数据挖掘理论和数据挖掘实践两部分。数据挖掘理论部分主要包括数据挖掘的基本概念、数据预处理、聚类分析、分类与回归、关联规则挖掘及离群点检测。数据挖掘实践部分讨论数据挖掘在文本挖掘和金融领域中的应用，通过虚假新闻检测和社交平台情绪分析等案例，展示数据挖掘在文本挖掘方面的应用；通过潜在贷款客户挖掘、贷款违约等案例展示数据挖掘在金融领域的应用。 本书可作为高等学校计算机、数据科学与大数据、电子商务、信息科学等相关专业的教材或参考书，也可供从事数据挖掘研究的科研、技术人员参考。

IBM SPSS作为全球领先的统计分析、数据挖掘、预测建模产品及解决方案，被业界广泛使用。本书旨在介绍IBM SPSS软件在各应用场景中的基础操作和使用，并尽可能地把专业晦涩的专业术语和应用内容以通俗易懂的方式传递给读者，同时所有应用均结合SPSS 工具进行操作并实现，帮助读者初步了解大数据分析和挖掘的基本思路和常见操作，掌握基本的数据分析与挖掘所涉及的数据获取、数据预处理、数据基本分析和数据挖掘等内容。

本书围绕先进自动测试系统，以信号发生、采集和分析理论为主线，结合自动测试、常规测量和前沿探索研究中的大量实例进行阐述。具体内容包括测量与计量基础，信号采样与量化，基于模拟/数字转换技术的测量，数字模拟转换及信号发生，基本电参量测量，时间与频率的测量，信号波形显示与测量，频谱分析与测量，自动测试系统概述，自动测试系统总线技术，仪器驱动器与软件平台。

本书通过讲解Python编程及其基础应用为大数据专业的学习奠定基础。全书共8个项目，主要内容包括进入Python编程世界、编程计算三角形面积、开发一个面积计算器、开发一个万年历、开发一个扑克牌游戏、开发一个文件自动备份器、字符串加密解密和天气数据分析与可视化。本书以简洁、通俗易懂的语言，讲解了Python中*基本、*重要的概念。
本书适合作为各类职业院校大数据技术及相关专业的教材，也可作为计算机爱好者的大数据入门和学习Python程序设计的参考用书。
本书配有电子课件、微课视频（书中