本书介绍了利用Process Simulate 进行智能产线的数字化建模及工艺仿真，主要内容包括：数字化工厂规划、数字化工艺仿真与验证、Process Simulate 软件基本操作、机器人仿真模型建立、焊接过程的创建、装配过程的创建、人体模型工具、人机交互仿真，以及单工位机器人、AGV 小车与桁架机器人协同工作、桁架运行、整线仿真等完整的仿真案例。此外，本书还配送了电子资料包，读者扫描书中二维码可观看配套视频，轻松愉悦地进行学习。本书适合制造型企业数字化产线规划与仿真人员使用，也可作为
Centreon是一款分布式开源监控平台，易于安装、管理，可支持大规模的网络监控。本书基于作者实践经验讲述如何使用Centreon。 全书共15章，大致可分为4部分：第1章和第2章为基础部分，主要介绍分布式监控平台Centreon的主要特征、功能；第3～5章介绍系统部署，用ISO镜像文件部署Centreon及在CentOS上部署Centreon，并在安装好的Centreon上做最简单的主机监控；第6～13章为生产环境监控实践，涉及生产环境的方方面面，是全书的精华；第14章和第15章介绍一些
本书从认知、实施、案例和拓展4个方面深入浅出地分析了RPA（机器人流程自动化）的应用前景以及实践。本书首先介绍了RPA的基本概念和优缺点、RPA相关的工具以及企业选择RPA的原因；其次，说明了企业如何开启RPA之旅、RPA售前咨询、业务流程挖掘、RPA项目交付管理、RPA实施要点、RPA开发规范等实用知识；再次，通过RPA在银行、保险、政务、制造、人力资源、能源、物流服务和证券等领域的应用，帮助读者了解RPA实施方案；最后，阐释了RPA机器人建设方案、IPA相关知识，以及RPA与区块链、人工智能
本书采用“问题描述+解决方案”模式，通过500个案例介绍了使用Pandas进行数据分析和数据处理的技术亮点。全书共分为8章，主要案例包括：读写CSV、Excel、JSON、HTML等格式的数据；根据行标签、列名和行列数字索引筛选和修改数据，使用各种函数根据数据大小、日期范围、正则表达式、lambda表达式、文本类型等多种条件筛选数据；统计NaN（缺失值）的数量、占比，根据规则填充和删除NaN；在DataFrame中增、删、查、改行列数据，计算各种行差、列差、极差以及直接对两个DataFrame进
本书系统介绍了面向人工智能领域中的数据安全、隐私保护技术和工程实践。本书首先探讨了人工智能领域所面临的各种数据安全和隐私保护的问题及其核心需求，并在此基础上纵览和比较了各种隐私保护计算技术和解决方案的利弊；然后详细阐述了目前比较具有工程实践优势的可信执行环境技术，及其在主流人工智能场景中的工程实践参考案例。此外，本书介绍了关于数据安全和隐私保护的概念、原理、框架及产品，从而帮助读者对机密计算的技术全景有整体的理解。
在数据湖仓的所有新增要素中，排名第一的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西，当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括：元数据、数据血缘、 数据体量的度量 、数据创建的历史记录、数据转换描述。 数据湖仓的第二个新增要素，是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器，就很难（实际上是几乎不可能）将数据湖仓中的不同数据关联起来。但有了这个中西，就可以关联任何类型的数据。 使用数据湖
本书由数数科技分析师团队撰写。基于数数科技成立以来服务上千家游戏企业、近万个游戏项目的经验，作者介绍了游戏行业的数据分析现状，解读了数据驱动增长的典型案例，阐明了如何建设数据分析体系才能给游戏企业带来商业价值，希望为游戏行业的运营、数据分析、策划等岗位从业者提供从方法到实践的指导，驱动游戏业务增长。
本书首先简要介绍了大数据分析与挖掘的相关概念，以及R语言的基础知识，以此来帮助读者了解、使用R语言；其次详细介绍了探索性数据分析、数据采集，以此来帮助读者了解数据的基本分析方法和数据的获取方法；然后着重介绍了目前主流的数据挖掘算法——时间序列算法、线性回归算法、分类算法、关联算法、聚类算法，从算法的原理到如何使用R语言进行算法实现都进行了详细的介绍并提供了实操代码，以此帮助读者学习数据挖掘及使用R语言完成数据挖掘任务；最后通过6个旅游行业的实际案例来帮助读者将学习到的知识运用到真实的业务场景中，
本书从大数据技术基础概念出发, 介绍大数据分析的流程和大数据分析处理系统的组成, 叙述了大数据集群的搭建, 并在此基础上讲解离线数据分析和在线数据分析实战案例。
本书系统介绍Spark大数据处理框架。全书共8章,内容包括大数据技术概述、Spark大数据处理框架、Spark RDD编程、Spark SQL结构化数据处理、HBase分布式数据库、Spark Streaming流计算、Spark MLlib机器学习、数据可视化。本书可作为高等院校计算机科学与技术、信息管理与信息系统、软件工程、数据科学与大数据技术、人工智能等专业的大数据课程教材，也可供从事大数据开发和研究工作的工程师和科技工作者参考。
新书资讯 新书推荐