大數(shù)據(jù)時(shí)代的到來，使我們的生活在政治、經(jīng)濟(jì)、社會(huì)、文化各個(gè)領(lǐng)域都產(chǎn)生了很大改變。數(shù)據(jù)科學(xué)一詞應(yīng)運(yùn)而生。如何更好地對(duì)海量數(shù)據(jù)進(jìn)行分析、得出結(jié)論并做出智能決策是統(tǒng)計(jì)工作者面臨的機(jī)遇與挑戰(zhàn)。本書介紹數(shù)據(jù)挖掘與統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域最常用的模型和算法，包括最基礎(chǔ)的線性回歸和線性分類方法，以及模型選擇和模型評(píng)價(jià)的概念和方法，進(jìn)而介紹非
《深度學(xué)習(xí)：21天實(shí)戰(zhàn)Caffe》是一本深度學(xué)習(xí)入門讀物。以目前已經(jīng)大量用于線上系統(tǒng)的深度學(xué)習(xí)框架Caffe為例，由淺入深，從Caffe的配置、部署、使用開始學(xué)習(xí)，通過閱讀Caffe源碼理解其精髓，加強(qiáng)對(duì)深度學(xué)習(xí)理論的理解，最終達(dá)到熟練運(yùn)用Caffe解決實(shí)際問題的目的。和國外機(jī)器學(xué)習(xí)、深度學(xué)習(xí)大部頭著作相比，《深度學(xué)習(xí)
本書從大數(shù)據(jù)的基本概念出發(fā)，深入解析了大數(shù)據(jù)應(yīng)用的關(guān)鍵技術(shù)與應(yīng)用。以大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)、大數(shù)據(jù)的存儲(chǔ)與處理、大數(shù)據(jù)應(yīng)用的總體架構(gòu)三方面為線索，詳細(xì)闡述了大數(shù)據(jù)挖掘的諸多常用算法，介紹了Hadoop、HDFS及MapReduce等大數(shù)據(jù)存儲(chǔ)與處理的關(guān)鍵技術(shù)與應(yīng)用、大數(shù)據(jù)應(yīng)用的框架與構(gòu)架。本書以通信運(yùn)營(yíng)商及互聯(lián)網(wǎng)電子商務(wù)
書是劉鵬教授主編的國內(nèi)**本Hadoop編程書籍《實(shí)戰(zhàn)Hadoop》的第二版。Hadoop堪稱業(yè)界*經(jīng)典的開源云計(jì)算和大數(shù)據(jù)平臺(tái)軟件。本書系統(tǒng)介紹了Hadoop2.0生態(tài)圈的核心和擴(kuò)展組件，包括：管理工具Ambari、分布式文件系統(tǒng)HDFS、分布式資源管理器YARN、分布式并行處理MapReduce、內(nèi)存型計(jì)算框架Sp
全書共分17章，包括基本的PID控制、PID控制器的整定、時(shí)滯系統(tǒng)PID控制、基于微分器的PID控制、基于觀測(cè)器的PID控制、自抗擾控制器及其PID控制、PD魯棒自適應(yīng)控制、專家PID控制和模糊PD控制、神經(jīng)網(wǎng)絡(luò)PID控制、基于差分進(jìn)化的PID控制、伺服系統(tǒng)PID控制、迭代學(xué)習(xí)PID控制、撓性及奇異攝動(dòng)系統(tǒng)的PD控制、
本書以分?jǐn)?shù)階控制系統(tǒng)為研究對(duì)象，詳細(xì)分析了分?jǐn)?shù)階系統(tǒng)的魯棒性和研究了幾類分?jǐn)?shù)階魯棒控制器的設(shè)計(jì)及其應(yīng)用。本書是作者近幾年來研究成果的總結(jié)。主要內(nèi)容包括：含有系數(shù)滿足區(qū)間不確定性的分?jǐn)?shù)階系統(tǒng)的魯棒穩(wěn)定性分析方法；區(qū)間不確定分?jǐn)?shù)階閉環(huán)系統(tǒng)的控制器魯棒可鎮(zhèn)定條件；考慮穩(wěn)定裕度的分?jǐn)?shù)階PI、PD控制器參數(shù)魯棒可鎮(zhèn)定區(qū)域；不確定
工業(yè)控制系統(tǒng)性能評(píng)估是工業(yè)自動(dòng)化的重要研究領(lǐng)域，本書在作者多年深入研究的基礎(chǔ)上撰寫而成。在吸收國內(nèi)外具有代表性的最新研究成果的基礎(chǔ)上，本書著重介紹作者在這一領(lǐng)域的研究成果，主要內(nèi)容包括：基于最小方差的單變量控制系統(tǒng)性能評(píng)估、基于最小方差的PID控制系統(tǒng)性能評(píng)估、基于最小方差的多變量控制系統(tǒng)性能評(píng)估、基于LQG的多變量控
本書針對(duì)大數(shù)據(jù)呈現(xiàn)的體量巨大、多源異構(gòu)、動(dòng)態(tài)性和不確定性等特點(diǎn)，以粒計(jì)算理論為基礎(chǔ)，以典型粗糙集模型為對(duì)象，以增量學(xué)習(xí)技術(shù)為手段，以云計(jì)算并行框架為支撐平臺(tái)，構(gòu)建大數(shù)據(jù)分析與挖掘的原理和方法及其算法，并融入了相關(guān)領(lǐng)域?qū)W者在動(dòng)態(tài)知識(shí)發(fā)現(xiàn)、數(shù)據(jù)融合、大數(shù)據(jù)并行處理等成果，反映了基于粒計(jì)算和粗糙集視角處理大數(shù)據(jù)的最新進(jìn)展。
間歇過程(BatchProcess)就是將有限的物料按照規(guī)定的加工順序在一個(gè)或者多個(gè)設(shè)備中進(jìn)行加工以獲得有限量產(chǎn)品的工業(yè)過程。近幾十年來，隨著工業(yè)生產(chǎn)由大規(guī)模生產(chǎn)向多品種、小批量的柔性生產(chǎn)轉(zhuǎn)移，間歇過程在工業(yè)生產(chǎn)中的地位也越來越重要。本書通過對(duì)間歇過程控制技術(shù)發(fā)展情況的回顧與展望，分析了間歇過程的操作與運(yùn)行特點(diǎn)，針對(duì)間
現(xiàn)場(chǎng)總線與工業(yè)以太網(wǎng)應(yīng)用
網(wǎng)絡(luò)化系統(tǒng)的量化控制策略分析與設(shè)計(jì)
SaltStack（簡(jiǎn)稱Salt）是由ThomasHatch于2011年創(chuàng)建的一個(gè)開源項(xiàng)目，初衷只是想構(gòu)建一個(gè)快速的遠(yuǎn)程執(zhí)行系統(tǒng)。后來經(jīng)過快速發(fā)展和新功能的不斷加入，演變成了現(xiàn)在的Salt，如今Salt已經(jīng)成為了一套強(qiáng)大的自動(dòng)化運(yùn)維管理平臺(tái)。 《SaltStack運(yùn)維實(shí)戰(zhàn)》力求用簡(jiǎn)潔易懂的方式給讀者展示Salt的核心
本書以DCS應(yīng)用設(shè)計(jì)為目標(biāo)，從基礎(chǔ)控制系統(tǒng)實(shí)現(xiàn)方法入手，輔以豐富的實(shí)際應(yīng)用案例，詳細(xì)地介紹了DCS的構(gòu)造、原理和當(dāng)前的最新技術(shù)、產(chǎn)品、技術(shù)規(guī)范、指標(biāo)、標(biāo)準(zhǔn)和驗(yàn)收測(cè)試方法，以及在各種典型行業(yè)（電力、石化、水泥、造紙、制藥、水處理、管網(wǎng)）的應(yīng)用。力求使讀者能夠以本書為參考，解決在DCS的應(yīng)用設(shè)計(jì)及運(yùn)行管理過程中的各種實(shí)際問
本書致力于復(fù)雜系統(tǒng)模型隨機(jī)發(fā)生非線性、隨機(jī)時(shí)延及不完全知識(shí)轉(zhuǎn)移概率等故障進(jìn)行融合改進(jìn)問題的研究，論述非線性馬爾可夫跳躍系統(tǒng)故障檢測(cè)研究、隨機(jī)時(shí)滯非線性系統(tǒng)故障檢測(cè)問題研究、基于模糊模型的非線性隨機(jī)系統(tǒng)魯棒故障檢測(cè)、基于狀態(tài)觀測(cè)器的非線性隨機(jī)系統(tǒng)容錯(cuò)控制，同時(shí)研究了具有隨機(jī)丟包的時(shí)滯系統(tǒng)、具有信道衰落的離散系統(tǒng)、非線性系
分岔控制和反控制是非線性動(dòng)力學(xué)與控制領(lǐng)域的一個(gè)重要的研究方向.《非線性系統(tǒng)的分岔控制》以一維、二維、高維和無限維非線性系統(tǒng)為研究對(duì)象，對(duì)靜態(tài)分岔和動(dòng)態(tài)分岔的控制理論、方法和技術(shù)進(jìn)行了系統(tǒng)的闡述；對(duì)反饋控制、washoutfilter控制和時(shí)滯控制等分岔控制的常用方法進(jìn)行了介紹；設(shè)計(jì)了控制器對(duì)非線性系統(tǒng)進(jìn)行分岔控制和反控
本選題以科普的方式系統(tǒng)地闡述了大數(shù)據(jù)前沿技術(shù)與研究進(jìn)展，對(duì)技術(shù)的來源、結(jié)論、對(duì)比、用途以及開源軟件進(jìn)行了深入淺出的描述，并不過多地涉及數(shù)學(xué)符號(hào)及基礎(chǔ)原理。以大數(shù)據(jù)可視化為切入點(diǎn)，通過自然語言處理、社交網(wǎng)絡(luò)挖掘、語義網(wǎng)絡(luò)與知識(shí)圖譜三方面非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)，闡述大數(shù)據(jù)經(jīng)典應(yīng)用，利用基于圖數(shù)據(jù)庫、內(nèi)存計(jì)算、分布式存儲(chǔ)系統(tǒng)的
本書以Spark1.4.1版本源碼為切入點(diǎn)，全面并且深入地解析SparkMLlib模塊，著力于探索分布式機(jī)器學(xué)習(xí)的底層實(shí)現(xiàn)。本書循序漸進(jìn)，首先解析MLlib的底層實(shí)現(xiàn)基礎(chǔ)：數(shù)據(jù)操作及矩陣向量計(jì)算操作，該部分是MLlib實(shí)現(xiàn)的基礎(chǔ)；其次再對(duì)各個(gè)機(jī)器學(xué)習(xí)算法的理論知識(shí)進(jìn)行講解，并且解析機(jī)器學(xué)習(xí)算法如何在MLlib中實(shí)現(xiàn)分布
大數(shù)據(jù)是互聯(lián)網(wǎng)、移動(dòng)應(yīng)用、社交網(wǎng)絡(luò)和物聯(lián)網(wǎng)等技術(shù)發(fā)展的必然趨勢(shì)，大數(shù)據(jù)應(yīng)用成為當(dāng)前最為熱門的信息技術(shù)應(yīng)用領(lǐng)域。本書由淺入深，首先概述性地分析了大數(shù)據(jù)的發(fā)展背景、基本概念，從業(yè)務(wù)的角度分析了大數(shù)據(jù)應(yīng)用的主要業(yè)務(wù)價(jià)值和業(yè)務(wù)需求，在此基礎(chǔ)上介紹大數(shù)據(jù)的技術(shù)架構(gòu)和關(guān)鍵技術(shù)，結(jié)合應(yīng)用實(shí)踐，詳細(xì)闡述了傳統(tǒng)信息系統(tǒng)與大數(shù)據(jù)平臺(tái)的整合
隨著大數(shù)據(jù)分析方法的發(fā)展，分析工具的改進(jìn)，大數(shù)據(jù)分析的門檻降低了�；诖髷�(shù)據(jù)算法平臺(tái)，數(shù)據(jù)分析師們已經(jīng)不再被數(shù)據(jù)的“大”所困擾，可以輕松地探索大數(shù)據(jù)，挖掘大數(shù)據(jù)的價(jià)值。本書側(cè)重介紹大數(shù)據(jù)分析方法和算法的應(yīng)用，適合對(duì)大數(shù)據(jù)分析感興趣的讀者閱讀。在內(nèi)容的組織上，選取了10個(gè)不同領(lǐng)域的真實(shí)數(shù)據(jù)集，針對(duì)每個(gè)數(shù)據(jù)的特點(diǎn)，選擇適合
本書通過較為全面和系統(tǒng)的文獻(xiàn)綜述，揭示出當(dāng)前個(gè)性化推薦系統(tǒng)存在的主要問題在于高質(zhì)量用戶偏好數(shù)據(jù)的匱乏與種類多樣的推薦算法之間的矛盾，實(shí)乃“巧婦難為無米之炊”。用戶偏好乃個(gè)性化推薦系統(tǒng)之基，當(dāng)前用戶偏好獲取存在兩個(gè)方面的不足：一是基本數(shù)據(jù)分析來源的用戶評(píng)分、評(píng)論和標(biāo)簽等標(biāo)注行為發(fā)生頻率非常低，容易產(chǎn)生數(shù)據(jù)稀疏問題；二是日
書單推薦 新書推薦
