本書為想要設(shè)計、構(gòu)建和維護實時分析應(yīng)用程序的人員(包括數(shù)據(jù)工程師、架構(gòu)師和技術(shù)領(lǐng)導者)提供了結(jié)構(gòu)合理的基礎(chǔ)知識。第1章和第2章簡要介紹實時分析，并概述可以構(gòu)建的實時分析應(yīng)用程序的類型。第3章介紹一家虛構(gòu)的比薩公司，該公司已經(jīng)建立了流處理基礎(chǔ)設(shè)施，但尚未實現(xiàn)任何實時分析功能。第4-10章展示如何為這家比薩公司實現(xiàn)不同類型

本書根據(jù)教育部高等學校大學計算機課程教學指導委員會關(guān)于推進新時代高校計算機基礎(chǔ)教學改革的有關(guān)精神，結(jié)合一線教師的實際教學經(jīng)驗編寫而成。全書共分6章，從應(yīng)用的角度出發(fā)，對計算機基礎(chǔ)知識、Windows11、WPSOffice、計算機網(wǎng)絡(luò)基礎(chǔ)進行了全面介紹，使用的軟件是WPSOffice教育考試專用版。本書內(nèi)容充實、層次清

本書內(nèi)容將基礎(chǔ)與實踐相結(jié)合，從學Vue。js到用Vue。js的角度出發(fā)，在幫助讀者朋友快速掌握Vue。js基礎(chǔ)的同時，引導讀者朋友如何使用Vue。js開發(fā)網(wǎng)頁應(yīng)用。全書共23章，主要分為三個篇章(基礎(chǔ)篇、案例篇、應(yīng)用篇)，基礎(chǔ)篇包括Vue。js簡介、基礎(chǔ)特性、條件判斷、列表渲染、計算屬性和監(jiān)聽屬性、樣式綁定、表單控件綁

《Midjourney+StableDiffusion+ControlNetAI繪畫與設(shè)計商業(yè)應(yīng)用實戰(zhàn)手冊》深入探討了人工智能繪畫技術(shù)的核心，為藝術(shù)家、設(shè)計師和創(chuàng)意從業(yè)者提供了寶貴的知識和實際技能。書中囊括了最前沿的繪畫技術(shù)，包括Midjourney、StableDiffusion和ControlNet，為讀者提供了從

教材首先介紹Z變換以及如何采用Z變換建立廣義對象的Z傳遞函數(shù)，然后建立計算機控制系統(tǒng)的開環(huán)及閉環(huán)傳遞函數(shù)并分析系統(tǒng)的控制性能指標。在分析的基礎(chǔ)上，講述兩種控制算法的設(shè)計方法：(1)間接設(shè)計法(PID控制、史密斯預估法)；(2)直接設(shè)計法(最小拍無紋波設(shè)計、大林算法)。簡要介紹離散系統(tǒng)狀態(tài)空間分析與設(shè)計方法。以工程實踐的

本書分為27章，主要內(nèi)容包括特權(quán)攻擊向量、特權(quán)、憑證、攻擊向量、無密碼認證、提權(quán)、內(nèi)部威脅和外部威脅、威脅狩獵、非結(jié)構(gòu)化數(shù)據(jù)、特權(quán)監(jiān)控、特權(quán)訪問管理、PAM架構(gòu)、“打破玻璃”、工業(yè)控制系統(tǒng)和物聯(lián)網(wǎng)、云、移動設(shè)備、勒索軟件和特權(quán)、遠程訪問、安全的DevOps、合規(guī)性、即時特權(quán)、零信任、特權(quán)訪問管理用例、部署方面的考慮、實

本書以開源Linux系統(tǒng)為操作平臺，通過項目驅(qū)動的方式對LinuxShell編程和Ansible自動化工具的基本使用方法進行講解，重點培養(yǎng)學生的實際動手能力和應(yīng)用能力。全書共12個項目，內(nèi)容包括初識Shell腳本、Shell條件控制、Shell條循環(huán)控制、Shell數(shù)組與函數(shù)、sed流編輯器與awk文本處理工具、Ans

本書在簡要介紹人工智能的歷史與現(xiàn)狀、思維科學的基本思想與觀念基礎(chǔ)上，強調(diào)知識工程尤其是經(jīng)驗及其隱性知識在智能模擬中的獨特作用和重要意義，并以計算機輔助心血管疾病診斷和書法創(chuàng)作的形象思維模擬這兩類“心跡”的計算為實例，闡述思維過程模擬、經(jīng)驗知識挖掘、關(guān)鍵特征選擇的思路、方法和技術(shù)，進而融合推理和學習算法并獲得計算結(jié)果。此

本書以Python及各類人工智能API為實訓環(huán)境，以實際項目為導向，介紹人工智能技術(shù)基礎(chǔ)、Python基本語法、基于Python的數(shù)據(jù)分析、基于Python的機器學習應(yīng)用、基于Python的各類人工智能API應(yīng)用、基于Python的項目開發(fā)等。本書是理論與實踐相結(jié)合的項目化教材，配有人工智能模型的理論講解和案例分析，內(nèi)

本書介紹了大數(shù)據(jù)挖掘與統(tǒng)計機器學習領(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價的概念和方法，進而介紹非線性的回歸和分類方法（包括決策樹與組合方法、支持向量機、神經(jīng)網(wǎng)絡(luò)以及在此基礎(chǔ)上發(fā)展的深度學習方法）。最后介紹無監(jiān)督的學習中的聚類方法和業(yè)界廣泛使用的推薦系統(tǒng)方法。除了方法的理論講解