本專著是嘗試將數(shù)據(jù)驅(qū)動(dòng)的思想應(yīng)用于自動(dòng)控制中，形成一種新的控制策略-數(shù)據(jù)驅(qū)動(dòng)控制。這也引導(dǎo)著可以將數(shù)據(jù)驅(qū)動(dòng)的思想與目前眾多已有的控制方法進(jìn)行相結(jié)合，以構(gòu)成更為簡便，更實(shí)用的控制方法。比如將數(shù)據(jù)驅(qū)動(dòng)思想引入至模型預(yù)測控制中，得到數(shù)據(jù)驅(qū)動(dòng)預(yù)測控制；將數(shù)據(jù)驅(qū)動(dòng)思想引入至自適應(yīng)控制中，得到數(shù)據(jù)驅(qū)動(dòng)自適應(yīng)控制等。為真正了解和熟悉

本書系統(tǒng)介紹了生產(chǎn)過程控制系統(tǒng)的辨識方法（生產(chǎn)過程控制系統(tǒng)分析）、過程控制技術(shù)（集散控制系統(tǒng)架構(gòu)設(shè)計(jì)）、基本實(shí)現(xiàn)方法（簡單集散控制系統(tǒng)組態(tài)與仿真運(yùn)行）和綜合實(shí)現(xiàn)方法（復(fù)雜集散控制系統(tǒng)組態(tài)與仿真運(yùn)行）。全書共分為四個(gè)項(xiàng)目，每個(gè)項(xiàng)目引入了典型工程案例，從項(xiàng)目案例到任務(wù)的安排與設(shè)計(jì)，由淺入深、簡單到復(fù)雜、基礎(chǔ)到綜合，重點(diǎn)突出

本書分為上中下三篇共九章展開。上篇包括第1-3章，主要內(nèi)容是將數(shù)據(jù)要素與傳統(tǒng)四種生產(chǎn)要素進(jìn)行跨歷史、跨要素、跨形態(tài)的比較研究，并基于傳統(tǒng)四種生產(chǎn)要素的市場化一般規(guī)律和數(shù)據(jù)要素的獨(dú)特屬性，歸納出數(shù)據(jù)要素市場化必須遵循的規(guī)律。中篇包括第4-6章，主要內(nèi)容是基于上篇結(jié)論，并結(jié)合數(shù)據(jù)要素市場化建設(shè)的政府和企業(yè)實(shí)踐歸納出數(shù)據(jù)要素

本書是一本關(guān)于數(shù)據(jù)流挖掘與在線學(xué)習(xí)算法的著作，該書全面、系統(tǒng)闡述了數(shù)據(jù)流機(jī)器學(xué)習(xí)的模型、算法、平臺與實(shí)例。全書共10章，分為4個(gè)部分：第1部分包括第1～3章，介紹數(shù)據(jù)流機(jī)器學(xué)習(xí)基礎(chǔ)知識；第2部分（第4～6章）介紹基于頻繁模式的數(shù)據(jù)挖掘與在線學(xué)習(xí)算法；第3部分是基于模型的在線學(xué)習(xí)算法，包括第7章在線稀疏學(xué)習(xí)模型和第8章在

大數(shù)據(jù)是推動(dòng)創(chuàng)新型國家建設(shè)的重要戰(zhàn)略資源。本書從機(jī)器學(xué)習(xí)、可視分析、知識處理、數(shù)據(jù)挖掘等角度出發(fā)，詳細(xì)討論了大數(shù)據(jù)分析的相關(guān)基礎(chǔ)理論和技術(shù)方法，主要包括：大數(shù)據(jù)機(jī)器學(xué)習(xí)理論與方法，大數(shù)據(jù)可視分析理論與方法，多源不確定數(shù)據(jù)挖掘方法與技術(shù)，自動(dòng)深層化知識處理方法與技術(shù)，大數(shù)據(jù)分析平臺、標(biāo)準(zhǔn)與應(yīng)用示范等。本書總結(jié)了部分代《B

Hadoop是使用最廣泛的大數(shù)據(jù)處理框架之一，在大數(shù)據(jù)領(lǐng)域有著極其重要的地位，掌握Hadoop可以讓學(xué)習(xí)者對大數(shù)據(jù)的理解更進(jìn)一步。本書是基于Hadoop3.1.3編寫的，從大數(shù)據(jù)的特點(diǎn)和處理難點(diǎn)入手，逐步講解Hadoop的起源和發(fā)展。從搭建Hadoop的學(xué)習(xí)環(huán)境開始，依次對Hadoop的三大功能模塊進(jìn)行重點(diǎn)講解，并且結(jié)

本書從大數(shù)據(jù)基礎(chǔ)原理、大數(shù)據(jù)分析方法和大數(shù)據(jù)行業(yè)應(yīng)用三個(gè)部分介紹大數(shù)據(jù)技術(shù)。全書共12章，內(nèi)容包含大數(shù)據(jù)的基本概念，分布式基礎(chǔ)架構(gòu)Hadoop，分布式文件系統(tǒng)HDFS，NoSQL數(shù)據(jù)庫，分布式計(jì)算框架MapReduce，大數(shù)據(jù)基本分析方法（聚類、分類與預(yù)測），大數(shù)據(jù)在搜索引擎、推薦系統(tǒng)以及其他行業(yè)的應(yīng)用。本書在前7章設(shè)

本書圍繞新工科背景下大數(shù)據(jù)人才培養(yǎng)需求編寫，系統(tǒng)介紹了大數(shù)據(jù)采集與預(yù)處理、大數(shù)據(jù)存儲(chǔ)與管理、大數(shù)據(jù)處理與分析、大數(shù)據(jù)可視化處理流程；重點(diǎn)分析了科大訊飛大數(shù)據(jù)平臺在政務(wù)、交通、金融和用戶畫像等實(shí)際場景中的應(yīng)用，還介紹了大數(shù)據(jù)實(shí)驗(yàn)環(huán)境的詳細(xì)搭建步驟；最后介紹了大數(shù)據(jù)治理中法律政策、行業(yè)標(biāo)準(zhǔn)建設(shè)的最新進(jìn)展，分析了大數(shù)據(jù)可能帶

結(jié)合主流分布式計(jì)算框架、國產(chǎn)芯片，介紹算法極致性能優(yōu)化實(shí)踐，開發(fā)面向企業(yè)級應(yīng)用的高性能數(shù)據(jù)挖掘算法；剖析數(shù)據(jù)挖掘算法的典型應(yīng)用案例，啟發(fā)讀者在面向科研問題、企業(yè)應(yīng)用，基于數(shù)據(jù)挖掘算法快速構(gòu)建應(yīng)用。

數(shù)據(jù)運(yùn)營是指通過數(shù)據(jù)來分析和解決問題，利用各種數(shù)據(jù)科學(xué)技術(shù)挖掘數(shù)據(jù)價(jià)值，幫助企業(yè)優(yōu)化業(yè)務(wù)管理和提升決策效率。隨著我國數(shù)字化轉(zhuǎn)型的深入，傳統(tǒng)基于項(xiàng)目、人工處理的各類數(shù)據(jù)運(yùn)營活動(dòng)已經(jīng)無法滿足業(yè)務(wù)發(fā)展要求。集合了敏捷開發(fā)、精益制造以及DevOps理念的DataOps因此順勢而生，并且受到了業(yè)界的廣泛關(guān)注�！禗ataOps實(shí)踐