本書以構(gòu)建因果推斷基礎(chǔ)知識框架，主要從Rubin因果模型、Pearl因果模型、基于圖模型的因果效應計算、因果結(jié)構(gòu)學習、因果機器學習五個篇章為大家介紹智因果推斷的基礎(chǔ)理論、模型、方法、和前沿應用，引領(lǐng)學生步入充滿趣味與挑戰(zhàn)的因果推理領(lǐng)域。

本書詳細講解了數(shù)字孿生技術(shù)在企業(yè)智能制造進程中的作用、操作方法以及相關(guān)的理論知識和技能操作。全書分為兩部分：第一部分（項目1~項目3）為裝備數(shù)字化設(shè)計與仿真，基于西門子機電一體化概念設(shè)計模塊（NXMCD），包括顏色分類站仿真、加工檢測站仿真和立體倉庫虛擬調(diào)試三個項目，涵蓋了基本對象設(shè)置、仿真序列、虛擬調(diào)試技術(shù)；第二部分

本書以簡潔、通俗易懂的語言，詳細介紹了如何利用ChatGPT來處理和分析數(shù)據(jù)，不僅為初學者提供了基礎(chǔ)知識，也為有經(jīng)驗的數(shù)據(jù)分析師提供了新的手段。書中包含詳細的指導和應用案例，旨在幫助讀者從零開始構(gòu)建數(shù)據(jù)分析流程，在實際工作中靈活運用ChatGPT來解決問題和提升效率。通過閱讀本書，你將掌握利用ChatGPT進行數(shù)據(jù)分析

本書以傳感器的應用技術(shù)為主線安排內(nèi)容。全書共13章，第1章介紹傳感器的基礎(chǔ)知識、基本概念，第2章至第11章分別介紹應變式傳感器、電感式傳感器、電容式傳感器、壓電式傳感器、霍爾式傳感器、光電式傳感器、熱電式傳感器、數(shù)字式傳感器、化學傳感器和新型傳感器的工作原理、特性、測量電路及典型應用，第12章介紹傳感器的綜合應用實例，

本書緊跟傳感器與自動檢測技術(shù)的發(fā)展趨勢，緊密結(jié)合高等職業(yè)教育的特點，圍繞行業(yè)產(chǎn)業(yè)人才養(yǎng)需求，以推動應用型、技術(shù)技能人的培養(yǎng)為目標，依據(jù)崗位能力要求，以項目化的形式重構(gòu)課程容。書中分別介紹了傳感器技術(shù)在力、溫度、環(huán)境量、液位、位移、度等參數(shù)的檢測方面的典型應用其綜合應用。

全書共9章，內(nèi)容包括計算機控制系統(tǒng)及其組成、計算機控制系統(tǒng)的典型型式、發(fā)展概況和趨勢；計算機控制系統(tǒng)的硬件設(shè)計技術(shù)；數(shù)字控制技術(shù)；常規(guī)及復雜控制技術(shù)；現(xiàn)代控制技術(shù)；先進控制技術(shù)；計算機控制系統(tǒng)的軟件設(shè)計技術(shù)；分布式測控網(wǎng)絡(luò)技術(shù)；計算機控制系統(tǒng)設(shè)計與實現(xiàn)。

本書分為7個章節(jié)。第一章介紹大數(shù)據(jù)歸約在數(shù)據(jù)預處理中的作用以及面臨的技術(shù)挑戰(zhàn)；第二章介紹多維大數(shù)據(jù)歸約知識體系、業(yè)務(wù)領(lǐng)域本體和歸約任務(wù)本體；第三章介紹大數(shù)據(jù)特征選擇策略和評價準則，以及兩階段混合特征選擇方法；第四章介紹大數(shù)據(jù)元組相似度度量和快速歸約方法；第五章介紹了大數(shù)據(jù)數(shù)值歸約基本方法和基于約束轉(zhuǎn)變的數(shù)據(jù)立方體計算技

本書是“格致方法·商科研究方法譯叢”中的一種，商科研究方法主要是幫助相關(guān)專業(yè)的研究生進行理論研究的教學參考書。數(shù)字方法在商科方法研究中經(jīng)過許不斷發(fā)展，形成了完備的體系。本書主要教學的是使用數(shù)字方法收集定性數(shù)據(jù)，即在定性研究中使用數(shù)字方法(包括跟蹤和追蹤)，幫助相關(guān)專業(yè)的碩士研究生完成其畢業(yè)論文。全書分六章，手把手地幫助

本書采用案例式編寫模式，包括7個單元，其中，單元1介紹數(shù)據(jù)分析的基本概念、流程和常用工具包，單元2介紹數(shù)據(jù)標注的分類、基本流程及工具的使用，單元3介紹ndarray數(shù)組及Python科學計算庫NumPy，單元4介紹數(shù)據(jù)分析處理庫pandas，單元5介紹數(shù)據(jù)可視化工具包Matplotlib和seaborn，單元6介紹分類

本書共有九章，從數(shù)據(jù)采集與預處理概述開始，介紹了大數(shù)據(jù)環(huán)境的搭建，并對數(shù)據(jù)采集與數(shù)據(jù)預處理的技術(shù)方法進行了系統(tǒng)介紹。數(shù)據(jù)采集的內(nèi)容包括Flume日志數(shù)據(jù)采集、Kafka日志數(shù)據(jù)采集、Fluentd與Logstach等一系列數(shù)據(jù)采集技術(shù)；數(shù)據(jù)預處理的內(nèi)容包括網(wǎng)絡(luò)爬蟲采集Web數(shù)據(jù)、Python數(shù)據(jù)預處理技術(shù)、Kettle