本書包括5篇14章，具體內(nèi)容如下。概念篇從企業(yè)面臨的主要數(shù)據(jù)問題入手，逐漸延伸到對數(shù)據(jù)血緣的相關(guān)定義、特征、價值，以及數(shù)據(jù)組成的深度解讀。這部分是真正落地數(shù)據(jù)血緣項目的基礎(chǔ)，只有充分理解了這部分內(nèi)容，才知道如何與上下游溝通協(xié)作。建設(shè)篇先完整展示了一個可落地的數(shù)據(jù)血緣框架模型——“1355”框架模型，即1個周期、3種實體

本書共15章，從邏輯上分為三部分。第一部分(第1-2章)介紹Hypervisor基礎(chǔ)，涵蓋虛擬化技術(shù)與實現(xiàn)、主流的嵌入式Hypervisor產(chǎn)品，以及基于分離內(nèi)核的嵌入式Hypervisor等內(nèi)容。第二部分(第3-12章)介紹嵌入式Hypervisor的設(shè)計與實現(xiàn)，涵蓋嵌入式Hypervisor架構(gòu)與核心組件、中斷隔離

本書依據(jù)教育部《高等職業(yè)教育�？菩畔⒓夹g(shù)課程標準(2021年版)》的基礎(chǔ)模塊要求，采用“任務(wù)驅(qū)動，案例教學(xué)”作為主導(dǎo)的教學(xué)方式。教學(xué)內(nèi)容以“任務(wù)描述+技術(shù)分析+任務(wù)實現(xiàn)+相關(guān)知識+課后練習(xí)”的結(jié)構(gòu)呈現(xiàn)，基于當前廣泛使用的Windows11和Office2021平臺，全面介紹計算機基礎(chǔ)知識、Windows11操作系統(tǒng)的使

本書主要內(nèi)容分為對人工智能與自動駕駛的基本認知、掌握Python人工智能的基礎(chǔ)應(yīng)用、掌握機器學(xué)習(xí)技術(shù)的基礎(chǔ)應(yīng)用、掌握基于深度學(xué)習(xí)的計算機視覺技術(shù)應(yīng)用、掌握基于深度學(xué)習(xí)的自然語言處理技術(shù)應(yīng)用和掌握基于深度學(xué)習(xí)的語音處理技術(shù)應(yīng)用6個能力模塊，并下設(shè)20個任務(wù)。

本書旨在向讀者介紹數(shù)據(jù)可視化方面的重要理論和最新實踐。本書包含入門知識講解、圖表類型的選擇、顏色的有效使用、如何可視化地探索數(shù)據(jù)、如何構(gòu)建數(shù)據(jù)儀表盤、如何以令人信服的方式用數(shù)據(jù)直觀地解釋概念和結(jié)果等內(nèi)容。

本書共分為4個部分，包含10章，由淺入深地闡述企業(yè)云原生安全的建設(shè)實踐。第一部分(第1-2章)解讀當前云原生安全的發(fā)展現(xiàn)狀，以及當前新環(huán)境所帶來的新風(fēng)險；第二部分(第3-6章)是本書的重點，分主流云原生安全框架、云基礎(chǔ)設(shè)施安全、制品安全和運行時安全4個方面，從安全技術(shù)到安全流程詳細剖析奇安信內(nèi)部的安全建設(shè)實踐；第三部分

本書分為兩篇：第一篇算法原理：詳細介紹了先進的深度學(xué)習(xí)模型，包括Transformer、GPT系列、深度生成模型，從基本架構(gòu)、訓(xùn)練方法到特定應(yīng)用，包括但不限于Seq2Seq結(jié)構(gòu)、位置編碼、注意力機制、殘差連接、變分自編碼器、GAN、ViT、CLIP、StableDiffusion、各模型訓(xùn)練實踐的知識點。此外，探討了預(yù)

本書在內(nèi)容組織上采用了雙主線的結(jié)構(gòu)。一是以數(shù)據(jù)庫基礎(chǔ)理論與應(yīng)用技術(shù)為主線，沿著“問題的提出——數(shù)據(jù)建模——數(shù)據(jù)庫設(shè)計——數(shù)據(jù)庫實現(xiàn)與維護——數(shù)據(jù)管理技術(shù)前沿與發(fā)展”的脈絡(luò)逐步展開敘述。二是以數(shù)據(jù)庫應(yīng)用系統(tǒng)設(shè)計與實現(xiàn)的案例為主線，以師生熟悉的教務(wù)信息管理為背景，以一個開發(fā)案例貫穿全書：從軟件工程角度出發(fā)，先概述軟件工程開

本書的主要內(nèi)容為HTML/CSS的相關(guān)技術(shù)，包含了基礎(chǔ)標簽、智能表單和語義化標簽等，同時還講解了CSS選擇器、文本修飾、圖片修飾、浮動、溢出、經(jīng)典盒模型與彈性盒模型、偽元素等，除PC端布局外還講解了針對移動端的網(wǎng)頁適配。

本書共分為6章，第1章介紹了PyTorch的安裝和基本操作；第2、3章介紹了深度學(xué)習(xí)的基礎(chǔ)知識、簡單的線性模型以及計算圖知識；第4、5章在前文的基礎(chǔ)上進一步擴展，介紹了各種神經(jīng)網(wǎng)絡(luò)模型；第6章介紹了PyTorch的高級特性。