《Python數(shù)據(jù)分析與實(shí)戰(zhàn)》是本以Python3為基礎(chǔ)的數(shù)據(jù)分析和應(yīng)用的實(shí)戰(zhàn)手冊(cè)，全書在內(nèi)容上包括Python編制、統(tǒng)計(jì)學(xué)知識(shí)和經(jīng)管類實(shí)例應(yīng)用，內(nèi)容范圍廣而全面，其內(nèi)容結(jié)構(gòu)由入門篇、進(jìn)級(jí)篇、高級(jí)篇和興趣篇四個(gè)部分構(gòu)成，每一篇都是對(duì)立存在，循序漸進(jìn)。學(xué)習(xí)者可以結(jié)合自身的水平從任何一個(gè)點(diǎn)切入學(xué)習(xí)，入門篇是針對(duì)那些沒(méi)有Py

本書不是純粹地審視技術(shù)，而是結(jié)合虛擬現(xiàn)實(shí)敘事理論和優(yōu)秀作品，精選創(chuàng)新者的訪談，闡釋如何在虛擬沉浸式空間中流暢地構(gòu)建故事、講述故事，并對(duì)虛擬現(xiàn)實(shí)技術(shù)的發(fā)展現(xiàn)狀和未來(lái)方向進(jìn)行了有深度和有價(jià)值的探索。

本書系基于中國(guó)工程院重大咨詢研究項(xiàng)目“中國(guó)人工智能2.0發(fā)展戰(zhàn)略研究（第二期）”撰寫而成，匯集了十余位院士以及上百位專家的智慧和心血。本書在一期項(xiàng)目的基礎(chǔ)上，更加著眼于通用人工智能重大理論問(wèn)題研究，系統(tǒng)地梳理了人工智能最新基礎(chǔ)研究進(jìn)展和應(yīng)用情況，從大數(shù)據(jù)智能、群體智能、跨媒體智能、混合增強(qiáng)智能、自主無(wú)人系統(tǒng)等五個(gè)智能方

本書結(jié)合大量實(shí)例，系統(tǒng)地介紹了使用AutoCAD進(jìn)行計(jì)算機(jī)繪圖的方法和技巧。全書共分12章，內(nèi)容主要包括AutocAD的基本知識(shí)，繪制和編輯二維圖形，面域與圖案填充、編輯二維圖形及信息查詢、面域與圖案填充、標(biāo)注尺寸、設(shè)計(jì)中心與對(duì)象特性編輯‘等，著重培養(yǎng)學(xué)生養(yǎng)成良好的繪圖習(xí)慣,技巧篇，以技巧圖為重點(diǎn)，主要提高學(xué)生的學(xué)習(xí)積

本書介紹了數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)、人工智能建模與計(jì)算所需的核心數(shù)學(xué)基礎(chǔ)知識(shí)，涉及數(shù)值線性代數(shù)（矩陣計(jì)算）、概率論和信息論基礎(chǔ)及概率模型估計(jì)、最優(yōu)化方法等。內(nèi)容按照從模式分析到數(shù)據(jù)分析再到數(shù)學(xué)基礎(chǔ)的思路來(lái)組織，圍繞數(shù)據(jù)分析系統(tǒng)的核心構(gòu)成：表示、模型和學(xué)習(xí)形成數(shù)據(jù)線和數(shù)學(xué)線兩條線。數(shù)據(jù)線按照數(shù)據(jù)分析的處理流程、通過(guò)大量翔實(shí)的案

"本書為Web全棧開(kāi)發(fā)校企“雙元”合作系列教材之一,是Web全棧開(kāi)發(fā)職業(yè)技能等級(jí)證書培訓(xùn)認(rèn)證教材，遵循高等職業(yè)教育Web前端開(kāi)發(fā)基礎(chǔ)課程的教學(xué)需求，對(duì)接金磚國(guó)家職業(yè)技能大賽中“Web技術(shù)”賽項(xiàng)，以課程教學(xué)標(biāo)準(zhǔn)、職業(yè)技能等級(jí)證書、職業(yè)技能大賽及職業(yè)崗位技能需求為基礎(chǔ)

本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡(luò)在表情識(shí)別任務(wù)中的突破性應(yīng)用。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比，四元數(shù)神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜情感信息時(shí)展現(xiàn)出了更強(qiáng)特征分析能力和更低計(jì)算量的雙重優(yōu)勢(shì)。書中內(nèi)容主要展現(xiàn)這一前沿技術(shù)在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識(shí)別任務(wù)中顯著提升精度與效率。本書所有的內(nèi)容都充分結(jié)合理論分析與實(shí)證研

本書將最優(yōu)控制方法融入機(jī)器學(xué)習(xí)的研究中，創(chuàng)新地建立了一個(gè)基于最優(yōu)反饋控制在線學(xué)習(xí)框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問(wèn)題的魯棒自適應(yīng)學(xué)習(xí)算法;構(gòu)建了基于最優(yōu)控制的魯棒在線學(xué)習(xí)架構(gòu)，分別討論該架構(gòu)下的線性回歸、二分類和多分類問(wèn)題，并且將線性問(wèn)題的架構(gòu)拓展到非線性回歸與分類問(wèn)題；提出了基于控制的深

本書匯集了作者在數(shù)字媒體資產(chǎn)管理領(lǐng)域多年的研究成果，主要包括數(shù)字媒體資產(chǎn)管理系統(tǒng)與相關(guān)業(yè)務(wù)流程、數(shù)字媒體資產(chǎn)價(jià)值管理與內(nèi)容產(chǎn)業(yè)價(jià)值鏈、數(shù)字媒體內(nèi)容產(chǎn)品的版權(quán)管理與定價(jià)、數(shù)字媒體內(nèi)容版權(quán)交易模式、電視劇和網(wǎng)絡(luò)電影的版權(quán)價(jià)值評(píng)估模型研究等。本書可供工商管理、數(shù)字經(jīng)濟(jì)、管理科學(xué)與工程等專業(yè)的高年級(jí)本科生和研究生作為參考書，也

本書首先梳理人臉識(shí)別的主要應(yīng)用場(chǎng)景及其處理的個(gè)人信息類型，并以此為基礎(chǔ)探討敏感的人臉信息被泄露、篡改、偽造和濫用所造成的隱私擔(dān)憂與安全風(fēng)險(xiǎn)，揭示科林格里奇困境。其次，對(duì)人臉識(shí)別的場(chǎng)景進(jìn)行分類，尤其是各類場(chǎng)景中人臉信息的屬性，根據(jù)公共性私人性強(qiáng)弱可分為三級(jí)，分別是作為個(gè)人形象的強(qiáng)公共屬性、關(guān)聯(lián)個(gè)人身份的弱公共屬性以及體現(xiàn)