数据、模型与决策：管理科学基础，ISBN：9787508602004，作者：（美）迪米特里斯·伯特西马斯（Dimitris Bertsimas），（美）罗伯特·M·弗罗因德（Robert M.Freund）著；李新中译；李新中译

这《R语言统计入门(第2版)》以最恰当的方式向初学者介绍了R的全貌，内容涵盖基本的R语言编程方法、基本数据处理和一些高级数据操作的技巧，有助于读者理解R向量化编程的特点。此外，作者在本书中还详细描述了包含回归分析、假设检验、广义线性模型、非线性拟合等常用统计方法的原理。虽然本书以实际案例解析居多，但是并非不重视理论，作者恰当而到位地描述了理论方面的内容，既不晦涩，也非浅白，而是向读者打开了一扇窗。作者希望这本书可以作为一道“开胃菜”引导更多的人投入到对统计和R的研究之中。

本书以国际主流潜变量建模软件Mplus为分析工具，从理论到实践，深入浅出地向读者介绍潜变量建模的常用模型和Mplus分析过程，以实例演示整个分析过程，适合社会科学领域的高校教师、科研人员，以及硕博士研究生作为教科书和参考书。 本书的目的在于为“讨厌”数学公式的学者介绍潜变量建模方法及Mplus软件实现，所以书中避免了令人生畏的数学公式，尽量通过平实的语言介绍模型背后的真谛。

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

《数据可视化之美》内容简介：可视化是数据描述的图形表示，旨在一目了然地揭示数据中的复杂信息。可视化的典型如纽约地铁图和人脑图。成功的可视化的美丽之处既在于其艺术设计，也在于其通过对细节的优雅展示，能够有效地产生对数据的洞察和新的理解。 在《数据可视化之美》中，20多位可视化专家包括艺术家、设计师、评论家、科学家、分析师、统计学家等，展示了他们如何在各自的学科领域内开展项目。他们共同展示了可视化所能实现的功能以及如何使用它来改变世界。在《数据可视化之美》中，你将： 通过简单的可视化实践探索讲故事的重要性。 了解颜色如何传达我们尚未充分意识到而大脑已经识别出的信息。 发现我们购买的书籍和我们的交际圈如何揭示内心的自我。 通过对民航交通的可视化探索识别航空旅行的混乱的一种方法。 揭秘研究人员如何调查未知问题，包括从最初的草图到发表的论文。 点击链接进入o'reilly之美系列： 《代码之美》 《项目管理之美》 《架构之美》 《团队之美》 《测试之美》 《数据之美》 《安全之美》 《数据可视化之美》

向数据驱动型决策转变以及如何利用网站数据来获得竞争优势 在过去几年中，互联网、在线营销以及广告经历了巨大的变革，然而大家处理数据的方式跟几十年前相比还是大同小异，停滞不前。网站分析领域的领跑者Analytics kaushik通过《精通Web Analytics 2.0——用户中心科学与在线统计艺术》提出了下一代网站分析的框架，将能很大程度地帮助你提高组织的能动性和对市场的反应速度。 在本书中，Analytics将点击流网站分析工具与定性数据、测试与试验以及竞争情报工具相结合，从而推演出详尽的网站战略以及操作层方案。 在他的第一本畅销书《精通Web Analytics——来自专家的最佳web分析策略》(清华大学出版社引进并出版)中，Analytics给出了很多基于行业的经验总结，而在本书中，他进一步阐述了如何去衡量、分析目前互联网上出现的新技术和应用，并在此基础上快速行动。这些新技术和应用包括：社交媒体、视频、移动互联网上以及用户为中心的设计等。作者通过对传统方法的改造，对互联网数据进行抽丝剥茧般的分析，提出了具体、简单以及更先进的方法。如果你想成为网站分析专家，本书将是你的最佳选择。