隨著各行各業(yè)對大數(shù)據(jù)實時查詢的需求持續(xù)增長，數(shù)據(jù)查詢及分析引擎正變得不可或缺。Presto是由Facebook開源的高性能分布式SQL查詢引擎，其用戶包括Netflix、Airbnb、LinkedIn、Twitter、Uber等知名公司。本書由Presto的核心開發(fā)人員參與撰寫，教你系統(tǒng)地學習Presto的用法。書中內(nèi)

大數(shù)據(jù)和機器學習等的興起使得商業(yè)分析領域越來越倚重數(shù)據(jù)科學。本書詳細介紹了商業(yè)數(shù)據(jù)科學中的關鍵元素，匯集了機器學習、經(jīng)濟學以及統(tǒng)計學領域的核心原則和最佳實踐，內(nèi)容涵蓋識別商業(yè)政策中的重要變量、通過實驗測量這些變量，以及挖掘社交媒體以了解公眾對于政策修改的反應，為從事商業(yè)數(shù)據(jù)科學的數(shù)據(jù)科學家和商業(yè)人士提供了必備工具。書中

本書以傳感器原理為主線，在介紹傳感器的靜態(tài)和動態(tài)一般特性的相關概念及計算方法基礎上，闡述經(jīng)典與現(xiàn)代多種傳感器的工作原理、特點、調(diào)理電路、誤差分析、設計方法和典型應用。全書共16章，其內(nèi)容既包含基于場理論的結構型傳感器，也包括基于熱力學原理、物理效應的物性型傳感器。根據(jù)傳感器集成化、微型化發(fā)展的趨勢，補充微機電、無源射頻

隨著現(xiàn)代工業(yè)和科技的快速發(fā)展，先進控制技術在各個領域得到了推廣和應用，已經(jīng)成為當前控制領域的研究熱點，以及解決復雜系統(tǒng)控制問題的重要工具。本書較為全面地介紹了先進控制技術的主要分支及其在科研及工程中的應用，主要內(nèi)容包括**控制、迭代學習控制、重復控制、模型預測控制、滑模變結構控制、模糊控制、神經(jīng)網(wǎng)絡控制等，分別介紹其原

本書在全面梳理科學數(shù)據(jù)相關概念和理論的基礎上，聚焦在科學數(shù)據(jù)管理的生命周期理論模型和應用框架、科學數(shù)據(jù)管理系統(tǒng)可信評估和功能開發(fā)，以及科學數(shù)據(jù)管理服務評估和可持續(xù)發(fā)展機制三個方面，并將理論研究應用于實踐成果，致力于開發(fā)科學數(shù)據(jù)知識庫原型系統(tǒng)，構建本地**實踐和設計專業(yè)課程體系，加快數(shù)據(jù)管理專業(yè)培訓體系的落地實踐，豐富對

本書以基礎、模型及應用為主線,介紹數(shù)據(jù)分析的基礎知識、經(jīng)典模型以及相關應用.內(nèi)容包括非負矩陣分解、張量分解、深度學習、寬度學習的經(jīng)典模型與學習方法,以及作者對相關模型的擴展及其在多視角聚類、地理傳感數(shù)據(jù)預測、信息級聯(lián)預測及蛋白質(zhì)二級結構預測中的應用研究.本書內(nèi)容全面,深入淺出,既詳細介紹了基本概念、思想和算法,也提供了

本書主要介紹了工業(yè)、科研、生活等領域常用傳感器的工作原理、基本結構、選型、安裝使用、綜合應用等方面的知識，對測量技術的基礎知識、檢測系統(tǒng)的信號處理和抗干擾技術等也作了介紹。同時增加了微型傳感器、智能傳感器、物聯(lián)網(wǎng)、自動檢測系統(tǒng)設計等新知識。本書以實用性、操作性、創(chuàng)新性為特色，以項目為載體，采用任務驅(qū)動的教學方式，突出了

本書從理論闡述和工程應用出發(fā)，較全面地介紹分布式光纖傳感技術的理論和應用。全書共6章，主要內(nèi)容包括：分布式光纖傳感、分布式光纖聲振技術原理、分布式光纖聲振技術系統(tǒng)組成、分布式光纖聲振解調(diào)技術、模式識別在分布式光纖聲振技術中的應用、分布式光纖聲振技術工程應用等。本書提供配套電子課件、習題參考答案等教學資源。

本書將以太網(wǎng)交換機電路的設計與實現(xiàn)作為完整案例，分別介紹了介質(zhì)訪問控制（MAC）控制器、數(shù)據(jù)幀合路電路、MAC幀處理電路、基于哈希散列的查表電路、簡易隊列管理器、基于鏈表的隊列管理器、變長分組的分割與重組電路等通信和網(wǎng)絡中常用的電路，并以此為基礎，采用循序漸進、由簡單到復雜的方式，給出了兩個版本的完整以太網(wǎng)交換機電路。

本書通過實踐操作介紹大數(shù)據(jù)爬取、清洗與可視化的具體實施方案，共10章，包括大數(shù)據(jù)爬取、清洗與可視化概述，爬蟲概述，Requests庫，BeautifulSoup爬蟲，自動化測試工具Selenium，中型爬蟲框架Scrapy，數(shù)據(jù)存儲，數(shù)據(jù)清洗，Matplotlib可視化，Pyecharts可視化。書中的案例均經(jīng)過實踐驗