大數據時代的到來，使我們的生活在政治、經濟、社會、文化各個領域都產生了很大改變。數據科學一詞應運而生。如何更好地對海量數據進行分析、得出結論并做出智能決策是統(tǒng)計工作者面臨的機遇與挑戰(zhàn)。本書介紹數據挖掘與統(tǒng)計機器學習領域最常用的模型和算法，包括最基礎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

《深度學習：21天實戰(zhàn)Caffe》是一本深度學習入門讀物。以目前已經大量用于線上系統(tǒng)的深度學習框架Caffe為例，由淺入深，從Caffe的配置、部署、使用開始學習，通過閱讀Caffe源碼理解其精髓，加強對深度學習理論的理解，最終達到熟練運用Caffe解決實際問題的目的。和國外機器學習、深度學習大部頭著作相比，《深度學習

本書從大數據的基本概念出發(fā)，深入解析了大數據應用的關鍵技術與應用。以大數據的數據挖掘技術、大數據的存儲與處理、大數據應用的總體架構三方面為線索，詳細闡述了大數據挖掘的諸多常用算法，介紹了Hadoop、HDFS及MapReduce等大數據存儲與處理的關鍵技術與應用、大數據應用的框架與構架。本書以通信運營商及互聯(lián)網電子商務

書是劉鵬教授主編的國內**本Hadoop編程書籍《實戰(zhàn)Hadoop》的第二版。Hadoop堪稱業(yè)界*經典的開源云計算和大數據平臺軟件。本書系統(tǒng)介紹了Hadoop2.0生態(tài)圈的核心和擴展組件，包括：管理工具Ambari、分布式文件系統(tǒng)HDFS、分布式資源管理器YARN、分布式并行處理MapReduce、內存型計算框架Sp

全書共分17章，包括基本的PID控制、PID控制器的整定、時滯系統(tǒng)PID控制、基于微分器的PID控制、基于觀測器的PID控制、自抗擾控制器及其PID控制、PD魯棒自適應控制、專家PID控制和模糊PD控制、神經網絡PID控制、基于差分進化的PID控制、伺服系統(tǒng)PID控制、迭代學習PID控制、撓性及奇異攝動系統(tǒng)的PD控制、

本書以分數階控制系統(tǒng)為研究對象，詳細分析了分數階系統(tǒng)的魯棒性和研究了幾類分數階魯棒控制器的設計及其應用。本書是作者近幾年來研究成果的總結。主要內容包括：含有系數滿足區(qū)間不確定性的分數階系統(tǒng)的魯棒穩(wěn)定性分析方法；區(qū)間不確定分數階閉環(huán)系統(tǒng)的控制器魯棒可鎮(zhèn)定條件；考慮穩(wěn)定裕度的分數階PI、PD控制器參數魯棒可鎮(zhèn)定區(qū)域；不確定

工業(yè)控制系統(tǒng)性能評估是工業(yè)自動化的重要研究領域，本書在作者多年深入研究的基礎上撰寫而成。在吸收國內外具有代表性的最新研究成果的基礎上，本書著重介紹作者在這一領域的研究成果，主要內容包括：基于最小方差的單變量控制系統(tǒng)性能評估、基于最小方差的PID控制系統(tǒng)性能評估、基于最小方差的多變量控制系統(tǒng)性能評估、基于LQG的多變量控

本書針對大數據呈現的體量巨大、多源異構、動態(tài)性和不確定性等特點，以粒計算理論為基礎，以典型粗糙集模型為對象，以增量學習技術為手段，以云計算并行框架為支撐平臺，構建大數據分析與挖掘的原理和方法及其算法，并融入了相關領域學者在動態(tài)知識發(fā)現、數據融合、大數據并行處理等成果，反映了基于粒計算和粗糙集視角處理大數據的最新進展。

間歇過程(BatchProcess)就是將有限的物料按照規(guī)定的加工順序在一個或者多個設備中進行加工以獲得有限量產品的工業(yè)過程。近幾十年來，隨著工業(yè)生產由大規(guī)模生產向多品種、小批量的柔性生產轉移，間歇過程在工業(yè)生產中的地位也越來越重要。本書通過對間歇過程控制技術發(fā)展情況的回顧與展望，分析了間歇過程的操作與運行特點，針對間

現場總線與工業(yè)以太網應用

網絡化系統(tǒng)的量化控制策略分析與設計

SaltStack（簡稱Salt）是由ThomasHatch于2011年創(chuàng)建的一個開源項目，初衷只是想構建一個快速的遠程執(zhí)行系統(tǒng)。后來經過快速發(fā)展和新功能的不斷加入，演變成了現在的Salt，如今Salt已經成為了一套強大的自動化運維管理平臺。 《SaltStack運維實戰(zhàn)》力求用簡潔易懂的方式給讀者展示Salt的核心

本書以DCS應用設計為目標，從基礎控制系統(tǒng)實現方法入手，輔以豐富的實際應用案例，詳細地介紹了DCS的構造、原理和當前的最新技術、產品、技術規(guī)范、指標、標準和驗收測試方法，以及在各種典型行業(yè)（電力、石化、水泥、造紙、制藥、水處理、管網）的應用。力求使讀者能夠以本書為參考，解決在DCS的應用設計及運行管理過程中的各種實際問

本書致力于復雜系統(tǒng)模型隨機發(fā)生非線性、隨機時延及不完全知識轉移概率等故障進行融合改進問題的研究，論述非線性馬爾可夫跳躍系統(tǒng)故障檢測研究、隨機時滯非線性系統(tǒng)故障檢測問題研究、基于模糊模型的非線性隨機系統(tǒng)魯棒故障檢測、基于狀態(tài)觀測器的非線性隨機系統(tǒng)容錯控制，同時研究了具有隨機丟包的時滯系統(tǒng)、具有信道衰落的離散系統(tǒng)、非線性系

分岔控制和反控制是非線性動力學與控制領域的一個重要的研究方向.《非線性系統(tǒng)的分岔控制》以一維、二維、高維和無限維非線性系統(tǒng)為研究對象，對靜態(tài)分岔和動態(tài)分岔的控制理論、方法和技術進行了系統(tǒng)的闡述；對反饋控制、washoutfilter控制和時滯控制等分岔控制的常用方法進行了介紹；設計了控制器對非線性系統(tǒng)進行分岔控制和反控

本選題以科普的方式系統(tǒng)地闡述了大數據前沿技術與研究進展，對技術的來源、結論、對比、用途以及開源軟件進行了深入淺出的描述，并不過多地涉及數學符號及基礎原理。以大數據可視化為切入點，通過自然語言處理、社交網絡挖掘、語義網絡與知識圖譜三方面非結構化數據處理技術，闡述大數據經典應用，利用基于圖數據庫、內存計算、分布式存儲系統(tǒng)的

本書以Spark1.4.1版本源碼為切入點，全面并且深入地解析SparkMLlib模塊，著力于探索分布式機器學習的底層實現。本書循序漸進，首先解析MLlib的底層實現基礎：數據操作及矩陣向量計算操作，該部分是MLlib實現的基礎；其次再對各個機器學習算法的理論知識進行講解，并且解析機器學習算法如何在MLlib中實現分布

大數據是互聯(lián)網、移動應用、社交網絡和物聯(lián)網等技術發(fā)展的必然趨勢，大數據應用成為當前最為熱門的信息技術應用領域。本書由淺入深，首先概述性地分析了大數據的發(fā)展背景、基本概念，從業(yè)務的角度分析了大數據應用的主要業(yè)務價值和業(yè)務需求，在此基礎上介紹大數據的技術架構和關鍵技術，結合應用實踐，詳細闡述了傳統(tǒng)信息系統(tǒng)與大數據平臺的整合

隨著大數據分析方法的發(fā)展，分析工具的改進，大數據分析的門檻降低了�；�于大數據算法平臺，數據分析師們已經不再被數據的“大”所困擾，可以輕松地探索大數據，挖掘大數據的價值。本書側重介紹大數據分析方法和算法的應用，適合對大數據分析感興趣的讀者閱讀。在內容的組織上，選取了10個不同領域的真實數據集，針對每個數據的特點，選擇適合

本書通過較為全面和系統(tǒng)的文獻綜述，揭示出當前個性化推薦系統(tǒng)存在的主要問題在于高質量用戶偏好數據的匱乏與種類多樣的推薦算法之間的矛盾，實乃“巧婦難為無米之炊”。用戶偏好乃個性化推薦系統(tǒng)之基，當前用戶偏好獲取存在兩個方面的不足：一是基本數據分析來源的用戶評分、評論和標簽等標注行為發(fā)生頻率非常低，容易產生數據稀疏問題；二是日