本书主要介绍计算机控制系统的基础理论、设计方法和工程实现，基于典型案例来体现主要内容，突出本课程理论联系实际的特点。将MATLAB用于计算机控制系统的分析和控制器的设计，引导读者循序渐进地进行计算机控制系统的分析、设计和实现。本书供大量的设计及实现代码，以及电子教案、PPT课件、习题解答、知识图谱等电子材料，方便教师备课和学生自学参考。本书可作为高校自动化类、电气类、仪器类等相关专业的本科及研究生教材，也可供相关领域的教师、科研人员以及工程技术人员学习参考。
《中国大数据应用发展报告No.7》（2023）卷分为总报告、热点篇、案例篇、探究篇四个部分，对大数据在数字政府、教育、文旅、金融、工业制造等多个领域及行业应用的最新态势进行了跟踪。报告收集了大数据服务地方政府精准决策、大数据在文化和旅游资源普查与评价中的应用、教育大数据治理及应用、工业互联网在玻璃制造行业的应用等热点案例，并展开深入分析。报告指出，大模型推动数据要素从资源到资产的转化，是释放数据潜在价值的关键步骤，标志着经济社会数字化向更深层次发展。
《大数据处理与应用（微课版）》以项目驱动的方式详细讲解大数据生态体系架构各方面的知识。主要涉及ETL的数据采集与清洗、离线数据仓库的构建和实时数据仓库的构建。《大数据处理与应用（微课版）》分为三个模块：模块一介绍大数据离线数据处理与分析，包含项目一和项目二，知识点覆盖HDFS、Hive、Sqoop、MapReduce、Spark Core和Flink DataSet；模块二介绍大数据实时数据处理与分析，包含项目三和项目四，知识点覆盖Kafka、Flume、Spark Streaming和
本书由浅入深地介绍了如何快速搭建Airflow集群，包括不同操作系统的快速搭建方法、Airflow的安装方法、Airflow集群的部署方法、Airflow中的核心概念和其他重要概念、Airflow的架构和组件、Airflow的系统管理、实践经验以及其他常见的调度系统。附录提供了Docker和Kubernetes的简介。
本书是计算机、信息管理和大数据等相关专业的专业英语教材，选材广泛，覆盖大数据的数据挖掘、数据分析等各个方面，同时兼顾了相关发展热点。本书所选取的文章包括以下内容：大数据的基本概念、大数据的数据挖掘、大数据的数据分析、大数据的影响、大数据的商业价值、大数据在各个领域的应用以及大数据如何改变人们的生活等。每章所选用文章均来自国外网站，文章中出现的新词和专业术语也均有注释，每篇文章配有相应的习题和拓展阅读，以巩固学习效果。本书可作为高等本科院校、高等专科院校大数据相关专业的英语教材，也可供从业
本书系统介绍了Spark大数据处理框架以及相应的主流开发语言Scala。全书共14章,内容包括Scala基本概念和基本用法，Scala字符串和数组，Scala控制结构，Scala列表、元组、集合和映射，Scala函数，Scala面向对象编程，Spark大数据处理框架、Spark RDD编程，Windows环境下的Spark综合编程，用Spark SQL处理结构化数据，Spark Streaming流处理，Spark Structured Streaming流处理，Spark GraphX图计算，
《Spark性能优化实战：突破性能瓶颈，遨游数据重洋》全面、系统、深入地介绍Apache Spark性能优化的相关技术和策略，涵盖从Spark性能优化的基础知识到核心技术，再到应用实践的方方面面。本书不但系统地介绍各种监控工具的使用，而且还结合实战案例，详细介绍Spark性能优化的各种经验和技巧，提升读者的实际应用技能。《Spark性能优化实战：突破性能瓶颈，遨游数据重洋》共8章。第1章从性能优化的基本概念出发，介绍Spark的基础知识，并介绍如何进行性能优化；第2章介绍Spark性能优
本书对数据挖掘的基本算法进行了系统介绍，不仅介绍了每种算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析。这种理论与实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。 全书共11章，内容涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、Kmeans聚类算法、K中心点聚类算法、神经网络聚类算法：SOM，以及数据挖掘的发展等内容。 本书可作为高等院校数据
本书主要介绍恶意流量的欺诈手段和对抗技术，分为5个部分，共12章：先讲解流量安全基础；再基于流量风险洞察，讲解典型流量欺诈手段及其危害；接着从流量数据治理层面，讲解基础数据形态、治理和特征工程；然后重点从设备指纹、人机验证、规则引擎、机器学习对抗、复杂网络对抗、多模态集成对抗和新型对抗等方面，讲解流量反欺诈技术；最后通过流量情报与运营体系来迭代和优化流量反欺诈方案。
从信息资源管理协同创新视角，分析了大数据治理面临的挑战、机遇和焦点议题，大数据治理研究的视角、立场及代表性观点，大数据治理的框架类型及其构成要素。以公共价值理论、数字连续性理论、利益相关者理论和协同创新理论为主要理论支持，从大数据治理目标、主体、治理客体、治理活动、治理环境等多个维度，分析了大数据治理的政策、标准和技术的现状及发展方向。提出了大数据治理发展应用的综合治理模式、运行模型、评估体系和评估方法等理论，并基于案例研究提出了大数据治理发展与应用的实践路径。此外，本书从信息资源管理协同创新视
新书资讯 新书推荐