本书通过梳理数据管理的发展脉络，按照数据管理能力成熟度评估标准的8个能力域展开，逐条阐释条款内涵和典型做法，以完整的体系化的做法，为企业建设数字化能力提供参考和借鉴。一方面为数据从业人员建立起完整的数据管理视图，使其充分了解完整的数据管理体系。另一方面让企业找到适合自身数字化转型的方法和实践，对自身业务和管理能力进行优化和赋能。 后详细描述了标准评估模型的实施方法，企业可以参考评估方法对自身数据管理能力做出判断，并找出提升和改进方向。

本书从大数据分析的原理、技术和应用的角度，围绕着大数据分析的基础知识、大数据分析平台的核心原理、大数据分析的关键技术、大数据分析的应用四个方面进行讲述，使学生能掌握大数据分析的基本原理和核心技术，同时通过大数据分析在上市公司信用风险预测研究中的应用案例使学生熟悉大数据分析的原理和技术的实际应用，并能搭建大数据分析平台分析大规模数据集。其中，大数据分析的基础知识包括：大数据产生的背景、大数据的概念、特点、价值、大数据带来的思维变革；大数据分析平台的核心原理包括：两种常用开源大数据分析平台――Hadoop和Spark的起源、发展及应用现状，理解两种平台各自的体系架构、基本运行机制及适用范围，掌握其安装部署过程及基本使用方法，为大数据分析的应用打下基础；大数据分析的关键技术包括：Hadoop分布式文件系统、MapReduce并行编程模型、Hadoop 2.0的资源管理调度框架――YARN、大数据的获取和预处理、大数据的聚类和分类算法。

人类意识与人工智能

本书介绍了人工智能技术的基础，包括智能的产生过程，从原始的机械“智能”到人脑、计算机“脑”、计算机思考方式等，而后讲解了计算机智能是如何发生的，从计算机如何获得知识，到计算机如何思考。后，以刷脸门禁系统和各种智能服务系统为例进行应用举例。 全书共分四单元：、第二单元以门禁为例介绍人工智能技术的基础知识，并在后一小节将刷脸门禁系统制作出来。第三、第四单元以各种实例来介绍人工智能技术在“智能服务”领域的应用。 本书适合作为小学中、高年级的教材或辅助资料，也可供小学科技教师参考。

随着智能时代的到来，人们越来越多的关注人工智能。人工智能为人类提供了多个领域的帮助并赋能社会。本书主题为人工智能与社会，学生通过在线社会、大数据与信息安全、智能生活和智能机器人等四个单元，了解人工智能在人们生活、学习和工作中带来的便利，了解人工智能社会的运作机制。 五年级的孩子具备了一定的学习能力和动手能力，他们可以利用在线网站、应用、小程序和一些硬件来实现对人工智能的体验，从而形成信息意识、计算思维和信息安全意识。

本书从MATLAB仿真角度系统地介绍了滑模变结构控制的几种先进方法和应用技术，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。 本书是在原有第三版基础上修改而成，并增加和修改了部分内容。全书共分十四章，包括欠驱动系统滑模控制、基于观测器和解耦算法的滑模控制、控制输入受限条件下的滑模控制、挠性系统和奇异摄动系统的滑模控制、机械手滑模控制、基于函数逼近的机械手滑模控制、基于干扰观测器的机械手滑模控制、柔性机械手滑模控制、飞行器滑模控制、基于轨迹规划的滑模控制、基于传感器和执行器容错的滑模控制、基于事件驱动的滑模控制、主辅电机的协调跟踪滑模控制和具有控制输入延迟的滑模控制。每种控制方法都通过MATLAB仿真程序进行了仿真分析。 本书各部分内容既相互联系又相互独立，读者可根据自己需要选择学习。本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

《Python分布式机器学习》本书详细阐述了与分布式机器学习相关的基本解决方案，主要包括拆分输入数据、参数服务器和All-Reduce、构建数据并行训练和服务管道、瓶颈和解决方案、拆分模型、管道输入和层拆分、实现模型并行训练和服务工作流程、实现更高的吞吐量和更低的延迟、数据并行和模型并行的混合、联合学习和边缘设备、弹性模型训练和服务、进一步加速的高级技术等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

现在的孩子们生长在智能信息时代，自小便接触、使用各种智能信息产品。在他们的世界里，各种智能信息产品似乎与生俱来就是生活中不可或缺的一部分内容。目前，人工智能相关课程正在逐渐纳入中小学课程体系。智能时代将会给人类的生活带来极大的便利，但是智能时代也会给人类带来很大的挑战。为了迎接未来，我们需要了解过去；也需要努力学习智能技术的相关知识，更好地为未来做准备。 本书适合小学高年级以上、初高中学生阅读学习，小学低年级的小朋友可以在家长的陪同下阅读。本书也适合作为普通读者的人工智能科普读物，适合所有对人工智能感兴趣的普通读者。

本书对因果推断相关知识进行了系统、全面的介绍，为便于学习，对大多数知识点都进行了详细的推导说明。

近年来，基于深度学习的人工智能掀起了学习热潮。Python是广泛使用的自然语言处理（NLP）语言。本书从NLP的概述开始，介绍了将文本分成句子、词干提取和词形还原、删除停用词和词性标注的方法，以帮助您准备数据。然后，您将学习提取和表示语法信息的方法，例如依存分析和指代消解，发现使用词袋、TF-IDF、词嵌入和BERT表示语义的不同方法，并使用关键字、SVM、LSTM和其他技术开发文本分类技能。随着学习的深入，您还将了解如何从文本中提取信息、实施无监督和有监督的主题建模技术，以及对短文本（如推文）进行主题建模。此外，本书还向您展示了如何使用NLTK和Rasa开发聊天机器人并可视化文本数据。 读完这本NLP书籍，您将掌握使用一组强大的工具进行文本处理工具的技能。可以说，本书是深度学习和自然语言处理的入门教程，同时也读者登堂入室，进入机会与挑战并存的人工智能领域。 这本NLP书籍适于AI工程师、机器学习工程师、数据科学家和深度学习爱好者阅读。