本書分為基礎(chǔ)篇、技術(shù)篇和應(yīng)用篇,分別介紹計算機控制系統(tǒng)的基本理論、主要技術(shù)和工程應(yīng)用�；�礎(chǔ)篇介紹了計算機控制系統(tǒng)的理論基礎(chǔ)(包括控制系統(tǒng)的數(shù)學(xué)模型、連續(xù)系統(tǒng)的分析和設(shè)計、離散系統(tǒng)的描述方法)及數(shù)字控制器的設(shè)計與實現(xiàn)等內(nèi)容。技術(shù)篇介紹了控制系統(tǒng)中的計算機及其接口技術(shù)、過程通道技術(shù)、可靠性與抗干擾技術(shù)、控制系統(tǒng)中的軟件技術(shù)

《大數(shù)據(jù)處理與應(yīng)用（微課版）》以項目驅(qū)動的方式詳細講解大數(shù)據(jù)生態(tài)體系架構(gòu)各方面的知識。主要涉及ETL的數(shù)據(jù)采集與清洗、離線數(shù)據(jù)倉庫的構(gòu)建和實時數(shù)據(jù)倉庫的構(gòu)建�！洞髷�(shù)據(jù)處理與應(yīng)用（微課版）》分為三個模塊：模塊一介紹大數(shù)據(jù)離線數(shù)據(jù)處理與分析，包含項目一和項目二，知識點覆蓋HDFS、Hive、Sqoop、MapReduce、

本書考慮到領(lǐng)導(dǎo)者將可預(yù)見參考軌跡通過網(wǎng)絡(luò)中的有向路徑回傳給部分跟隨者進而從預(yù)見控制的視角出發(fā)系統(tǒng)研究多智能體系統(tǒng)的協(xié)同預(yù)見控制問題，包括單個領(lǐng)導(dǎo)者下的分布式預(yù)見跟蹤(分布式編隊預(yù)見跟蹤)控制問題、多個領(lǐng)導(dǎo)者下的分布式包圍預(yù)見控制問題。利用預(yù)見控制中的狀態(tài)增廣技術(shù)，原問題可轉(zhuǎn)化為含有鄰居輸出誤差的增廣系統(tǒng)的狀態(tài)調(diào)節(jié)問題，

本書的主要內(nèi)容包括：智能控制的基本概念、模糊控制的理論基礎(chǔ)、模糊控制系統(tǒng)、人工神經(jīng)元網(wǎng)絡(luò)模型、神經(jīng)網(wǎng)絡(luò)控制論等，后簡單介紹了智能控制的集成技術(shù)等，最后分別介紹了深度學(xué)習(xí)和強化學(xué)習(xí)。

本書綜合了現(xiàn)有的數(shù)據(jù)采集和預(yù)處理技術(shù)，按照實際工作中的順序，先介紹了大數(shù)據(jù)及數(shù)據(jù)采集的基礎(chǔ)知識，然后介紹了使用爬蟲技術(shù)進行數(shù)據(jù)采集、使用傳感器進行數(shù)據(jù)采集、使用Kettle進行數(shù)據(jù)遷移和采集以及使用Python進行數(shù)據(jù)存儲和處理，并以實訓(xùn)項目的形式，將技術(shù)與理論有機融為一體。

本書聚焦“啟發(fā)式方法”這個主題，分5個部分進行介紹。第1部分概述了各種類型的啟發(fā)式方法；第2部分側(cè)重于面向數(shù)據(jù)的啟發(fā)式方法及其在數(shù)據(jù)科學(xué)問題中的應(yīng)用；第3部分詮釋了面向最優(yōu)化的啟發(fā)式方法，以及它們?nèi)绾谓鉀Q具有挑戰(zhàn)性的最優(yōu)化問題；第4部分是講解如何設(shè)計和實施新的啟發(fā)式方法，以解決特定問題的相關(guān)內(nèi)容；第5部分介紹了關(guān)于啟發(fā)

本書主要內(nèi)容包括智能入庫、智能出庫、智能倉儲、AGV、光學(xué)尺寸檢測、平面度檢測等。本書結(jié)合工作崗位的實際需求，采用“項目導(dǎo)向、任務(wù)驅(qū)動”的模式，是校企合作開發(fā)編寫的項目式教材。本書按照實際工作流程，遵循從簡單到復(fù)雜、從單一到綜合的原則，將理論與實踐進行有機結(jié)合，實現(xiàn)教、學(xué)、做一體化，注重吸收行業(yè)發(fā)展的新知識、技術(shù)工藝方

本書是一部通過提供一套易于遵守及操作的方法論來實現(xiàn)高質(zhì)量數(shù)據(jù)管理的實踐指南。內(nèi)容全面、詳細，并有許多實用的建議和模板，第1版推出后，已成為全球信息質(zhì)量實踐者的書籍，甚至已成為美國阿肯色大學(xué)信息質(zhì)量研究生項目的教科書。本書共7章，內(nèi)容包括數(shù)據(jù)質(zhì)量和依賴于數(shù)據(jù)的世界、數(shù)據(jù)質(zhì)量實踐、關(guān)鍵概念、十步法流程、設(shè)計項目結(jié)構(gòu)、其他技

"本書包括引言、大數(shù)據(jù)的預(yù)處理、云計算和可視化、回歸與分類、聚類及相關(guān)數(shù)據(jù)分析方法、高維統(tǒng)計中的變量選擇、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、深度學(xué)習(xí)在人工智能中的應(yīng)用七章，主要介紹大數(shù)據(jù)技術(shù)的基本原理和方法，特別是以統(tǒng)計模型為主的各類數(shù)據(jù)模型以及它們的計算方法，也會提及這些方法在某些領(lǐng)域（如人工智能）中的應(yīng)用。本書可作為全國普通高等

大數(shù)據(jù)時代帶來了信息科學(xué)與技術(shù)發(fā)展的深刻變革，并對經(jīng)濟社會建設(shè)的方方面面產(chǎn)生了巨大影響，大數(shù)據(jù)作為繼云計算、物聯(lián)網(wǎng)之后IT行業(yè)又一顛覆性技術(shù)，備受人們關(guān)注，世界各國紛紛把大數(shù)據(jù)上升為國家戰(zhàn)略加以重點推進。大數(shù)據(jù)的應(yīng)用滲透到各行各業(yè)，數(shù)據(jù)驅(qū)動決策，信息社會的智能化程度得到了極大提高。本書致力于探求大數(shù)據(jù)在經(jīng)濟社會建設(shè)過程