本書以項目案例為導向，貫穿講解一個大數(shù)據(jù)的實戰(zhàn)項目：廣電大數(shù)據(jù)用戶畫像。全書共8章，具體內(nèi)容包括大數(shù)據(jù)項目概述、Hadoop生態(tài)組件基礎、廣電大數(shù)據(jù)用戶畫像需求分析、廣電大數(shù)據(jù)用戶畫像數(shù)據(jù)采集與預處理、廣電大數(shù)據(jù)用戶畫像實時統(tǒng)計訂單信息、廣電大數(shù)據(jù)用戶畫像用戶標簽計算與可視化、廣電大數(shù)據(jù)用戶畫像任務調(diào)度實現(xiàn)、基于Tip

推進新型智慧城市建設，是黨中央、國務院的決策部署，也是我國城鎮(zhèn)化發(fā)展的現(xiàn)實需求。智慧城市運行管理中心是新型智慧城市建設發(fā)展的關鍵核心部分。本書針對我國智慧城市運行管理中心存在頂層設計方法科學系統(tǒng)性不足、自主知識產(chǎn)權軟硬件集成能力不強、數(shù)據(jù)采集匯聚效能不高、數(shù)據(jù)分析應用智能程度不夠等突出難題，以“大數(shù)據(jù)提升政府治理能力”

本書介紹基于深度學習的核醫(yī)學圖像智能分析技術，由圖像分類、目標檢測和病灶分割等內(nèi)容構成。全書共6章，其中，第1章為醫(yī)學影像概述，第2章為數(shù)據(jù)分析技術綜述，第3～5章分別為圖像分類、目標檢測和病灶分割模型構建與實驗驗證介紹，第6章為核醫(yī)學診斷文本分析與模型構建。

當前，我國已進入數(shù)字中國建設新階段，數(shù)字化發(fā)展步伐不斷加快，數(shù)字經(jīng)濟高質(zhì)量發(fā)展為實現(xiàn)第二個百年奮斗目標奠定堅實基礎，持續(xù)推進我國網(wǎng)絡空間治理體系和治理能力現(xiàn)代化。與此同時，全球各國積極布局數(shù)字化領域，爭奪新時期戰(zhàn)略高地。網(wǎng)絡安全作為保障全社會數(shù)字化轉型、護航數(shù)字經(jīng)濟高質(zhì)量發(fā)展的關鍵核心，逐漸成為全球數(shù)字競合新格局的重中

本書是腦-機接口（BCI）的經(jīng)典著作，旨在縮小BCI研究與實際應用之間的差距，推動BCI技術走出實驗室，走向實際應用。主要介紹和論述實用化BCI傳感器及其信號處理，實用化BCI的設備、應用及用戶群體，BCI實際應用接口和環(huán)境，實用化BCI基礎設施建設中新出現(xiàn)的問題。

本書通過探索多種系統(tǒng)編程概念和技術引入Rust編程語言，在深入探索計算機工作原理的同時，幫助讀者了解Rust的所有權系統(tǒng)、Trait、包管理、錯誤處理、條件編譯等概念，并通過源自現(xiàn)實的示例來幫助讀者了解Rust中的內(nèi)存模型、文件操作、多線程、網(wǎng)絡編程等內(nèi)容。 本書旨在幫助讀者理解如何用Rust進行系統(tǒng)編程，并提供了一些

本書主要介紹統(tǒng)計機器學習領域常用的基礎模型、算法和代碼實現(xiàn)。包括統(tǒng)計機器學習、Python語言基礎，常用的線性回歸、貝葉斯分類器、邏輯回歸、SVM、核方法、集成學習，以及深度學習中的多層感知器、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、變分自編碼器、對抗生成網(wǎng)絡和強化學習等模型與優(yōu)化方法，使用Scikit-Learn、TensorF

“十四五”規(guī)劃中，腦科學、認知科學、人工智能等相關領域研究被納入科技前沿攻關領域，并計劃實施一批具有前瞻性、戰(zhàn)略性的相關國家重大科技項目。其中，腦與認知啟發(fā)的人工智能研究既有利于突破人工智能前沿基礎理論，又有助于類腦計算與腦機融合技術研發(fā)實現(xiàn)根本突破，是實現(xiàn)“十四五”規(guī)劃目標的重要抓手。本書將圍繞腦科學、認知科學與人工

控制技術是前三次工業(yè)革命的重要使能技術，分別實現(xiàn)了機械自動化、電氣自動化和信息自動化。面向第四次工業(yè)革命，實現(xiàn)知識自動化是本學科的重要使命，研究以工業(yè)人工智能為代表的新算法、研制以人參與的信息物理系統(tǒng)為代表的新型控制系統(tǒng)，成為本學科領域的兩個主要發(fā)展任務。新一代信息通信技術飛速發(fā)展，以感知、決策和執(zhí)行為代表的領域基本方

本書先介紹預測分析的重要概念和原則，然后給出一系列的代碼示例和算法講解，引導讀者了解完整的預測分析流程，進而用Python工具構建高性能的預測分析解決方案。全書所涵蓋的內(nèi)容包括預測分析過程、理解問題和準備數(shù)據(jù)、理解數(shù)據(jù)集—探索性數(shù)據(jù)分析、基于機器學習的數(shù)值預測、基于機器學習的類別預測、調(diào)整模型和提高性能、基于Dash的