本书共分5篇：第1篇(第1-4章)为传统方法篇，着重介绍时间序列分析、网络分析、统计概率建模等经典方法；第2篇(第5-7章)为一般机器学习篇，着重讨论经典聚类算法、降维挖掘算法和分类算法及其应用案例；第3篇(第8-10章)为高等机器学习篇，介绍表征学习、深度学习和图神经网络算法及其应用案例等；第4篇(第11-13章)为

本书力求体例创新，适合教学。每个单元均包含以下部分：Text——选材广泛、风格多样、切合实际的两篇专业文章；NewWords——给出课文中出现的新词，读者由此可以积累大数据专业的基本词汇；Phrases——给出课文中的常用词组；Abbreviations——给出课文中出现的、业内人士必须掌握的缩略语；Analysiso

本书战略认知(第1-3章)剖析智能时代企业管理跃迁的本质逻辑，提出以业务本体为纽带构筑人机协同的认知底座。核心理论(第4和5章)系统阐述本体的思想渊源与理论体系。从哲学本源到计算科学演进，揭示本体作为人与AI语义基石的核心价值；提出“事实-事理-行动”一体化动态模型，构建符号主义与联结主义深度融合的AI推理范式；围绕“

本书除了介绍工业控制系统安全概述和安全防护体系等知识，还介绍了协议攻击、漏洞扫描、入侵检测及防火墙使用等一系列具有代表性的工业控制系统安全应用场景。本书主要通过编写程序、使用模拟器与虚拟机等工具，模拟工业控制系统的攻击与防护操作，不依赖于具体的硬件环境，在实际操作上具有极大的便利性。

本书分为4篇，聚焦于数据分析师的“破局”之道，阐述了数据分析师如何改变被动、价值感薄弱的工作状态，成长为具备影响力的业务驱动者。

本书系统介绍了有关数据分析、机器学习和人工智能算法设计过程中数据表示、度量、建模、评价和求解所要用到的最基础的数学知识,全书分为9章,在微积分、线性代数、概率论基础等平台课程基础上,进一步讲述线性空间与线性变换、矩阵分析、矩阵分解、矩阵计算问题、概率模型和参数估计、最优化基础知识、最优性条件和对偶理论、优化算法和信息论

本书主要介绍非线性控制理论的基本工具和方法。在列举非线性动态系统实例及典型现象的基础上，本书系统介绍了非线性系统稳定性理论、无源性及无源定理、输入到状态稳定性及非线性小增益定理等基本工具以及相应的控制方法。最后，本书探讨了如何利用被控对象结构设计控制器，并介绍了构造控制器的几个典型工具。本书既包括了经典理论，又涵盖了非

本书第1、2章为基础知识,主要介绍大数据的背景知识、相关技术的安装部署和实际应用等;第3、4章主要阐述分布式协调服务组件(ZooKeeper)的相关内容,其可保证集群数据一致性,实现集群节点的动态扩展和更新,让集群中的节点故障对用户保持透明;第5-7章重点探讨大数据领域的核心基础组件,即大数据存储组件(HDFS)和大数

本书以模糊控制、神经网络、遗传算法为代表，介绍了智能控制理论的相关内容，着重介绍了模糊控制的基本概念、基本原理、基本方法；神经网络控制的基本原理、常见网络类型；遗传算法的基本原理及相关应用；基于MATLAB的智能控制工具箱应用。

本书围绕产业需求导向下大数据与人工智能协同融合的理论机理与实践路径展开系统研究。全书以产业数智化转型背景下的数据要素配置与人工智能应用为研究对象，重点分析了大数据与人工智能在产业运行体系中的协同关系、作用机制及其对产业决策模式与治理结构的影响。通过引入数据驱动决策理论、系统论与社会—技术系统视角，深入探讨数据、算法、算