本書共分為七章，第一章簡要介紹了數(shù)控機床的組成、工作原理、分類和發(fā)展及其水平。第二章分析了插補原理，并介紹了典型的插補方法。第三章講述了計算機數(shù)控系統(tǒng)的硬件和軟件，分別介紹了計算機數(shù)控系統(tǒng)的硬件的組成和功能和軟件的結構和功能。第四章分析了數(shù)控位置檢測裝置，按照工作原理的不同分別對各種數(shù)控位置檢測裝置進行了分析。第五章分
本書是國家職業(yè)教育智能控制技術專業(yè)教學資源庫配套教材。 教材共有9個項目組成，項目1介紹工業(yè)網(wǎng)絡相關概念、現(xiàn)場總線基本知識以及工業(yè)網(wǎng)絡實訓平臺體系結構等。項目2介紹Modbus基本知識及應用，以PLC為核心構成簡單的系統(tǒng)，PLC通過ModbusRTU通信控制變頻電機運行，并可通過觸摸屏實現(xiàn)變頻電機的參數(shù)監(jiān)控；項目3介紹
本書主要介紹數(shù)據(jù)洞察及其四個階段，第1部分為自助服務數(shù)據(jù)發(fā)現(xiàn)，包括元數(shù)據(jù)目錄服務、搜索服務、特征存儲服務、數(shù)據(jù)遷移服務、點擊流跟蹤服務。第二部分為自助服務數(shù)據(jù)準備包括數(shù)據(jù)湖管理服務、數(shù)據(jù)整理服務、數(shù)據(jù)權限治理服務。第三部分為自助服務數(shù)據(jù)構建，包括、數(shù)據(jù)虛擬化服務、模型訓練服務、持續(xù)集成服務、A/B測試服務。第四部分為自
本書全面介紹與大數(shù)據(jù)和人工智能相關的數(shù)據(jù)采集、數(shù)據(jù)存儲、并行計算等技術體系，以及Python編程基礎、數(shù)據(jù)處理分析和可視化、機器學習算法和深度學習模型的原理與應用。全書共分4部分：第1部分（第1章）為大數(shù)據(jù)基礎，主要介紹與大數(shù)據(jù)應用相關的數(shù)據(jù)采集、數(shù)據(jù)存儲、并行計算等技術體系；第2部分（第2章）為Python編程基礎，
我們正處在“讀圖時代”，一張經(jīng)過數(shù)據(jù)可視化方式處理的信息圖可以包含很多內(nèi)容，是傳遞信息和知識的絕佳工具。這本《數(shù)據(jù)之美（全4冊）》將大量客觀而理性的數(shù)據(jù)以直觀而藝術的方式展現(xiàn)在讀者面前，你會在書中看到“冰冷”的數(shù)據(jù)和統(tǒng)計結果因分析和設計而變得“有了溫度”，信息和知識因此變得生動有趣，更便于我們記憶和學習，這正是信息圖譜
本書采用循序漸進的講解方式，介紹了如何從零開始構建一個企業(yè)級監(jiān)控平臺的相關理論技術和實踐方法。首先從監(jiān)控系統(tǒng)總體設計原理出發(fā)，逐步介紹企業(yè)級監(jiān)控系統(tǒng)的常用架構、各個組件模塊作用、運行模式、監(jiān)控體系的建設路線、監(jiān)控信息的合并算法、監(jiān)控顆粒度設置經(jīng)驗以及如何保障監(jiān)控系統(tǒng)自身可靠性等內(nèi)容；隨后自底向上依次對硬件設備、操作系統(tǒng)
本書可作為普通高等院校計算機、數(shù)據(jù)科學與大數(shù)據(jù)專業(yè)的教材，也可作為數(shù)據(jù)分析行業(yè)從業(yè)人員的參考用書。
本書為國家職業(yè)教育大數(shù)據(jù)技術專業(yè)教學資源庫配套教材，也是高等職業(yè)教育計算機類課程新形態(tài)一體化教材。 本書對大數(shù)據(jù)的發(fā)展歷史、背景以及Hadoop的基礎知識進行了簡要的描述。從一個真實的大數(shù)據(jù)離線分析項目開始，引導讀者完成大數(shù)據(jù)離線分析平臺的搭建工作，使得讀者對大數(shù)據(jù)離線分析環(huán)境有一個直觀的認識。另外，還以工作任務的形式
本書是國家職業(yè)教育大數(shù)據(jù)技術專業(yè)教學資源庫配套教材。 本書主要介紹Spark分布式計算框架的應用，重點是流式模塊SparkStreaming在實際項目中的應用，并通過一個實戰(zhàn)項目來輔助讀者學習實時數(shù)據(jù)處理場景。全書共分為6章，主要內(nèi)容包括緒論、Scala語言應用、SparkStreaming、SparkSQL、數(shù)據(jù)整合
本書結合典型的數(shù)據(jù)挖掘案例，詳細介紹了若干種重要的數(shù)據(jù)挖掘算法的實現(xiàn)原理和應用方法。其中，第1、2章介紹了回歸、分類、聚類的概念及其實現(xiàn)的主要方法，如線性回歸、邏輯回歸、K近鄰和K均值；第3~5章介紹了數(shù)據(jù)挖掘的主要策略，如決策樹、提升算法和支持向量機；在前述知識的基礎上，第6~8章介紹了實現(xiàn)人工智能算法的三種基礎網(wǎng)絡
書單推薦
