本書主要講解數(shù)據(jù)倉庫的基礎(chǔ)知識以及基于Hadoop的數(shù)據(jù)倉庫工具Hive的安裝、使用方法。本選題共分三個部分，分別是基礎(chǔ)篇、實踐篇和拓展篇。基礎(chǔ)篇是對整個選題的歷史、背景和技術(shù)原理的解釋部分。實踐篇則是偏重于理論的實驗部分，實驗內(nèi)容較多，在編寫時偏向于簡單、易學(xué)和實用等原則。拓展篇則通過行業(yè)項目來鞏固所學(xué)內(nèi)容。本選題主

本書分為基礎(chǔ)篇和技術(shù)篇兩部分，在每部分的章節(jié)中貫穿課程思政，通過本書的學(xué)習(xí)，能夠讓讀者在了解和掌握大數(shù)據(jù)的基本知識和基本技能的基礎(chǔ)上，培養(yǎng)讀者的家國情懷、工匠精神；同時，本書系統(tǒng)、全面地介紹大數(shù)據(jù)相關(guān)專業(yè)在“數(shù)據(jù)經(jīng)濟”政策引領(lǐng)下的學(xué)習(xí)指導(dǎo)。以“數(shù)字經(jīng)濟”的大數(shù)據(jù)驅(qū)動為出發(fā)點，一是介紹大數(shù)據(jù)的基礎(chǔ)知識，包括大數(shù)據(jù)的概念及

影視特效制作是一門涉及計算機圖形學(xué)、動畫、合成和編輯等技術(shù)的復(fù)雜的藝術(shù)形式。本教材的開發(fā)與使用主要服務(wù)于動漫專業(yè)的這門核心課程，適合本專業(yè)學(xué)生做教材或者主要參考書。主要內(nèi)容包括影視特效的基本概念原理、3D建模、動畫制作、合成和后期制作等方面的知識。同時對軟件工具的使用方法進行詳細的介紹，以項目化形式展開教學(xué)，結(jié)構(gòu)清晰、

本書全面講述了分布式系統(tǒng)框架的原理和應(yīng)用。全書分三大部分：緒論、基礎(chǔ)構(gòu)架和分布式組件。其中，緒論闡述分布式系統(tǒng)框架研究的背景及意義，并就分布式系統(tǒng)框架整體研究進行綜述�；�礎(chǔ)框架主要分析了基礎(chǔ)框架應(yīng)有的功能和實現(xiàn)的原理。本書中主要以SpringBoot框架為例，所述內(nèi)容包括：基礎(chǔ)框架啟動流程分析、內(nèi)置服務(wù)器啟動原理、注解

大數(shù)據(jù)開發(fā)是一項綜合性和實踐性都非常強的技術(shù)，學(xué)習(xí)大數(shù)據(jù)開發(fā)要求掌握大數(shù)據(jù)存儲、大數(shù)據(jù)計算及數(shù)據(jù)可視化所需要的框架、組件等實戰(zhàn)應(yīng)用知識。本教材通過通俗易懂的語言、有趣的實例，詳細地介紹了hive數(shù)據(jù)倉庫的環(huán)境搭建、表的創(chuàng)建及操作、數(shù)據(jù)的加載以及數(shù)據(jù)的查詢等，還介紹了hbase列式數(shù)據(jù)庫的環(huán)境搭建、基本操作、Phoeni

本書從現(xiàn)代工業(yè)機器人的組成入手，主要講解ABB工業(yè)機器人的系統(tǒng)集成、編程等內(nèi)容。書稿中梳理分析了機器人編程、電氣及機器人集成、系統(tǒng)集成應(yīng)用集成。本書內(nèi)容詳盡，理念與國際接軌，具有一定的科學(xué)性與專業(yè)性。

大多數(shù)中級機器學(xué)習(xí)教材側(cè)重于通過提高準(zhǔn)確性或降低預(yù)測誤差來優(yōu)化模型。但這種方法往往忽視了理解您的機器學(xué)習(xí)模型為什么以及如何做出預(yù)測的重要性�？山忉屝苑椒ㄌ峁┝烁�好理解模型行為的基本工具包，而這本實用指南《面向從業(yè)者的可解釋人工智能》集結(jié)了最佳的模型可解釋性技術(shù)。介紹可解釋人工智能技術(shù)，包括技術(shù)的特點、實施方法和技巧、技

SpringBoot不是代替Spring，而是使Spring項目可以更加快速地開發(fā)、部署和測試。它采用了“約定優(yōu)于配置”的理念，在內(nèi)部提供了大量的starter，而這些starter又提供了許多自動配置類，讓開發(fā)者可以奉行“拿來主義”，開箱即用。本書采用“任務(wù)驅(qū)動”的編寫模式，由淺入深、循序漸進、全面系統(tǒng)地介紹了Spr

本書結(jié)合機器人作業(yè)場景確定了機器人的行走方案，給出了機器人的總體尺寸參數(shù)與性能指標(biāo)，并進行了擺臂式機器人的機械結(jié)構(gòu)設(shè)計、控制系統(tǒng)設(shè)計、非結(jié)構(gòu)環(huán)境通過性能優(yōu)化；進行了視覺導(dǎo)航三維重構(gòu)方法研究，提出了深度相機+慣導(dǎo)傳感器的視覺導(dǎo)航三維重構(gòu)融合方法，推導(dǎo)了慣導(dǎo)傳感器的數(shù)字模型，建立了RANSAC算法改進的P3P算法估算相機的

高光譜圖像分析是遙感技術(shù)對地球表面分析和應(yīng)用的一個關(guān)鍵步驟，同時也是人類認知地球的重要手段之一。為滿足對分類精度和效率以及泛化性的要求，針對高光譜圖像具有的復(fù)雜空-譜特性、非線性可分以及標(biāo)記樣本有限等特點，利用深度學(xué)習(xí)和寬度學(xué)習(xí)技術(shù)，探索監(jiān)督型、半監(jiān)督型、無監(jiān)督型以及遷移型深-寬度高光譜圖像分類方法，分別對應(yīng)第3章、第