本書通過整合利用衛(wèi)星和航拍影像、地面跨時空視頻、網(wǎng)絡(luò)數(shù)據(jù)和地理信息等多源異構(gòu)數(shù)據(jù)，圍繞天空地海量數(shù)據(jù)源分布特點(diǎn)和安全保密要求，并根據(jù)公共安全事件智能感知與理解的需要，利用先進(jìn)的多源異構(gòu)數(shù)據(jù)匯聚與協(xié)同相關(guān)技術(shù)，實現(xiàn)多源異構(gòu)數(shù)據(jù)的跨時空、多尺度、多粒度匯聚，構(gòu)建公共安全事件處置需要的數(shù)據(jù)體系，形成跨系統(tǒng)協(xié)同管理、跨空間安全

本書主要從電子商務(wù)數(shù)據(jù)分析入手，系統(tǒng)介紹在電子商務(wù)環(huán)境下進(jìn)行數(shù)據(jù)分析的各種思路和方法。全書共分為12個項目，主要內(nèi)容包括初識電子商務(wù)與數(shù)據(jù)分析、使用數(shù)據(jù)分析工具、分析市場數(shù)據(jù)、分析競爭對手?jǐn)?shù)據(jù)、分析商品定價數(shù)據(jù)、分析流量數(shù)據(jù)、分析運(yùn)營與銷售數(shù)據(jù)、分析庫存數(shù)據(jù)、分析會員數(shù)據(jù)、分析利潤數(shù)據(jù)、制作數(shù)據(jù)分析報告，最后一個項目以

數(shù)據(jù)是組織的重要資產(chǎn)，做好數(shù)據(jù)管理是盤活數(shù)據(jù)資源，釋放數(shù)據(jù)價值的有效手段。本書以數(shù)據(jù)管理為主題，分為背景篇、標(biāo)準(zhǔn)篇、貫標(biāo)篇、評估篇和政策篇五個篇章，首先梳理了數(shù)據(jù)管理的概念、背景和發(fā)展歷程，為讀者建立對數(shù)據(jù)管理的總體認(rèn)識；其次詳細(xì)解讀國家標(biāo)準(zhǔn)——數(shù)據(jù)管理能力成熟度評估模型（以下簡稱DCMM），幫助讀者深入理解DCMM標(biāo)

本專著主要介紹基于數(shù)據(jù)驅(qū)動的個性化需求預(yù)測理論與方法。根據(jù)交互場景的特點(diǎn)，分別從基本交互、交互廣度、交互深度和交互多樣性四個角度介紹最新個性化需求預(yù)測理論與方法。在基本交互場景中，主要研究了基于用戶和產(chǎn)品的交互的個性化需求預(yù)測；在交互廣度方面，主要研究了融合用戶與好友關(guān)系交互以及融合用戶與群組交互場景的個性化需求預(yù)測；

"《軟件工程案例教程》依照專業(yè)能力培養(yǎng)目標(biāo)、課程能力培養(yǎng)目標(biāo)及畢業(yè)要求，合理設(shè)計各章的知識點(diǎn)，按不同能力層級配置與課程各項能力相關(guān)的習(xí)題，并實現(xiàn)各實驗資源可在線編輯、修改、運(yùn)行，通過理論學(xué)習(xí)與實踐訓(xùn)練提升學(xué)生軟件設(shè)計能力與工程實踐能力，最終達(dá)成課程的能力目標(biāo)要求和畢業(yè)要求。本教材內(nèi)容由四部分組成：基礎(chǔ)篇、開發(fā)篇、維護(hù)篇

本書共分為12章，第1-4章講解軟件測試基礎(chǔ)，包括軟件測試概念、流程、測試計劃，測試用例設(shè)計，測試策略，軟件測試總結(jié)和測試過程改進(jìn)；第5～8章講解功能自動化測試相關(guān)知識，包括seleniumWeb自動化測試，自動化測試模型，unittest單元自動化測試框架，QTP自動化測試；第9-11章講解性能測試，包括性能測試概念

本書是近年來作者對混合智能系統(tǒng)研究成果及經(jīng)驗的總結(jié)。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設(shè)計科學(xué)的思想為基礎(chǔ)，以基于案例推理的混合智能系統(tǒng)技術(shù)選擇為核心，依據(jù)“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構(gòu)造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反

本書是《動手學(xué)深度學(xué)習(xí)》的重磅升級版本，選用PyTorch深度學(xué)習(xí)框架，旨在向讀者交付更為便捷的有關(guān)深度學(xué)習(xí)的交互式學(xué)習(xí)體驗。 本書重新修訂《動手學(xué)深度學(xué)習(xí)》的所有內(nèi)容，并針對技術(shù)的發(fā)展，新增注意力機(jī)制、預(yù)訓(xùn)練等內(nèi)容。本書包含15章，第一部分介紹深度學(xué)習(xí)的基礎(chǔ)知識和預(yù)備知識，并由線性模型引出基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)——多層感知機(jī)

機(jī)器學(xué)習(xí)是人工智能的一個方向。它是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計算機(jī)等多門學(xué)科。其目標(biāo)是使用計算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動，從現(xiàn)有大量的數(shù)據(jù)中學(xué)習(xí)，利用經(jīng)驗不斷改善系統(tǒng)性能。機(jī)器學(xué)習(xí)步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、建立模型、模型評估和預(yù)測。本書共6章。第1章節(jié)主要介紹機(jī)器學(xué)習(xí)的基本概念及其

2017年，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學(xué)開設(shè)人工智能相關(guān)課程，并提倡以計算思維為指導(dǎo)，將信息技術(shù)課程從技術(shù)導(dǎo)向轉(zhuǎn)換為科學(xué)導(dǎo)向。因此，機(jī)器學(xué)習(xí)作為人工智能技術(shù)的內(nèi)核，走入我國廣大中小學(xué)生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機(jī)器學(xué)習(xí)模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框