本书介绍了利用ProcessSimulate进行智能产线的数字化建模及工艺仿真，主要内容包括：数字化工厂规划、数字化工艺仿真与验证、ProcessSimulate软件基本操作、机器人仿真模型建立、焊接过程的创建、装配过程的创建、人体模型工具、人机交互仿真，以及单工位机器人、AGV小车与桁架机器人协同工作、桁架运行、整线仿真等完整的仿真案例。此外，本书还配送了电子资料包，读者扫描书中二维码可观看配套视频，轻松愉悦地进行学习。本书适合制造型企业数字化产线规划与仿真人员使用，也可作为高等院校智能制造、

在数据湖仓的所有新增要素中，排名第一的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西，当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括：元数据、数据血缘、数据体量的度量、数据创建的历史记录、数据转换描述。数据湖仓的第二个新增要素，是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器，就很难（实际上是几乎不可能）将数据湖仓中的不同数据关联起来。但有了这个中西，就可以关联任何类型的数据。使用数据湖仓，就有可能实

本书以多格漫画形式掀开大数据的朦胧面纱，带领读者走进数据科学的浩瀚世界。故事讲述了由数据的产生，直至其发展成为大数据这一历程，使读者感受到大数据释放的力量、绽放的价值、迸发的智慧、遭遇的安全之忧。同时，引导读者进一步理解数据的形式与内涵、大数据的概念及特征、人工智能与大数据的关系，加深对数据科学的认知。

本书系统介绍了面向人工智能领域中的数据安全、隐私保护技术和工程实践。本书首先探讨了人工智能领域所面临的各种数据安全和隐私保护的问题及其核心需求，并在此基础上纵览和比较了各种隐私保护计算技术和解决方案的利弊；然后详细阐述了目前比较具有工程实践优势的可信执行环境技术，及其在主流人工智能场景中的工程实践参考案例。此外，本书介绍了关于数据安全和隐私保护的概念、原理、框架及产品，从而帮助读者对机密计算的技术全景有整体的理解。

《吉布斯分布的局部、动态与快速采样算法》由爱丁堡大学博士后凤维明撰写，内容荣获2021年度CCF优秀博士学位论文奖。全书立足大数据背景下的新问题，从分布式采样和动态采样两个具体问题入手，给出了有理论保障的算法并研究了新模型下采样问题的复杂性。《吉布斯分布的局部、动态与快速采样算法》共十章，分为四个部分：第零部分（第1~2章）主要介绍了全书的研究背景、研究问题、研究成果，向读者讲解了全书的结构和章节安排，之后给出了吉布斯分布和采样问题的严格数学定义，介绍全书中经常使用的相关概念，并总结一部分已有的

Centreon是一款分布式开源监控平台，易于安装、管理，可支持大规模的网络监控。本书基于作者实践经验讲述如何使用Centreon。全书共15章，大致可分为4部分：第1章和第2章为基础部分，主要介绍分布式监控平台Centreon的主要特征、功能；第3～5章介绍系统部署，用ISO镜像文件部署Centreon及在CentOS上部署Centreon，并在安装好的Centreon上做最简单的主机监控；第6～13章为生产环境监控实践，涉及生产环境的方方面面，是全书的精华；第14章和第15章介绍一些比较典型

本书采用“问题描述+解决方案”模式，通过500个案例介绍了使用Pandas进行数据分析和数据处理的技术亮点。全书共分为8章，主要案例包括：读写CSV、Excel、JSON、HTML等格式的数据；根据行标签、列名和行列数字索引筛选和修改数据，使用各种函数根据数据大小、日期范围、正则表达式、lambda表达式、文本类型等多种条件筛选数据；统计NaN（缺失值）的数量、占比，根据规则填充和删除NaN；在DataFrame中增、删、查、改行列数据，计算各种行差、列差、极差以及直接对两个DataFrame进

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。数据化分析是运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。本书主要介绍了数据分析的9种思维、7种工具、学习方法、基本方法、展现方法、制作数据分析报告的方法，以及数据分析的思维模型。本书适合所有对数据分析感兴趣的读者阅读，特别是在工作或生活中需要经常跟数据接触的人，如数据分析师、产品经理、运营人员、管理人员、财务人员等。

本书通过整合利用卫星和航拍影像、地面跨时空视频、网络数据和地理信息等多源异构数据，围绕天空地海量数据源分布特点和安全保密要求，并根据公共安全事件智能感知与理解的需要，利用先进的多源异构数据汇聚与协同相关技术，实现多源异构数据的跨时空、多尺度、多粒度汇聚，构建公共安全事件处置需要的数据体系，形成跨系统协同管理、跨空间安全调度、跨平台安全服务的数据保障总线，并建设一体化天空地海量多源异构数据汇聚管理平台，为公共安全事件的智能感知与理解提供数据支撑服务。

本书全面介绍了预测性分析相关方法，不仅直观地阐述了相关概念，还给出了现实的示例问题和真实的案例研究包括从失败项目获得的经验教训。本书理论和实践内容相对平衡，便于读者加深理解。全书共9章，外加一个附录。第1章为分析导论，第2章为预测性分析和数据挖掘导论，第3章介绍预测性分析的标准流程，第4章介绍预测性分析的数据和方法，第5章介绍预测性分析算法，第6章探讨预测性建模中的高阶主题，第7章介绍文本分析、主题建模和情感分析，第8章介绍预测性分析使用的大数据，第9章介绍深度学习和认知计算，附录展望了商业分析