在中国艺术长廊中,陈洪绶是极其独特的一位艺术家。前人评论他的人物画“力量气局,超拔磊落,在仇(英)、唐(寅)之上”;当代 学者推尊他为“代表十七世纪出现许多有 的个人独特风格艺术家之中的 人”。本书作者翁万戈先生对陈洪绶的研究,始于1965年,在近三十年的研究历程中,他曾亲自走访世界各大陈洪绶作品收藏地,目鉴上海博物馆、故宫博物院、纽约大都会博物馆、克利夫兰博物馆、浙江省博物馆、南京博物院、苏州博物馆、美国檀香山美术学院、大英国博物馆、苏黎世利特伯格博物馆和众多私人收藏,留下了珍贵的一手资料。他对陈洪绶一生各个时期的艺术、文学、言论、社会活动、心里变化进行了深刻、细致的研究分析,对陈洪绶现存研究资料、作品进行了全方面、多角度分析研究,展示了陈洪绶一生思想言行及其书画创作的演变轨迹。 全书分
本书系统地阐述了移动性数据建模、管理和分析的内容,从移动性数据建模与表达、移动性数据分析、移动性数据应用三个方面深入介绍了移动数据管理技术和应用。本书由四篇组成:第一篇涉及移动性数据处理的基本概念和术
工业大数据分析与知识图谱作为人工智能领域的核心技术,已经成为当前学术研究和工程应用的焦点,受到越来越多的关注。本书从技术和实践的角度,为读者阐述工业大数据分析和知识图谱的核心技术及其实践应用。本书内容
%26nbsp;%26nbsp;《数据质量管理十步法:获取高质量数据和可信信息:原书第2版》本书是一部通过提供一套易于遵守及操作的方法论来实现高质量数据管理的实践指南。内容全面、详细,并有许
针对我国设备大数据相关研究刚刚起步的现状,本书以设备健康管理为落脚点,从方法创新和探索应用两个方面对数据采集、存储以及处理分析进行了系统性介绍和阐释。本书介绍了传感器、PLC、工业网关等数据采集中比较
本书介绍如何使用CockroachDB创建可扩展的应用,并在为最终用户提供无缝交付能力的同时保障系统性能。全书共15章,分为三部分:第一部分(第1~4章)介绍CockroachDB的历史背景,包括数据
%26nbsp;%26nbsp;本书首先简要介绍Python语言的基础知识,为后续内容的学习提供基础,接着介绍NumPy、Matplotlib和Pandas三个数据分析基础模块的用法,同时也为
撰写本卷旨在协助读者深入了解数据中心建设的全流程,把握智能、绿色数据中心建设过程中的关键环节。通过阅读本卷可获得以下三个方面的收益:1、知晓各家特点:读者能够系统化地了解到IDC行业中各典型数据中心
本书详细阐述了与SQL数据分析相关的基本解决方案,主要包括SQL数据分析导论、SQL和数据准备、聚合和窗口函数、导入和导出数据、使用复合数据类型进行分析、高性能SQL、科学方法和应用问题求解等内容。此
本书主要介绍Android传感器和外设的开发,共29章,主要包括Android开发技术基础、获取并编译源码、Android技术核心框架分析、Android传感器系统分析、使用地图定位、光线传感器详解、
数据科学如今已经深入到我们生活中的各个领域,行业从业者都应该懂得一些数据科学的知识。那么如何能够快速掌握这门流行的技术呢?通过系统地学习本书和动手实践,可以满足这个需求。本书共六个部分,用通俗的语言和
《Pandas数据分析》详细阐述了与Pandas数据分析相关的基本解决方案,主要包括数据分析导论、使用Pandas DataFrame、使用Pandas进行数据整理、聚合Pandas DataFram
App Inventor是MIT开发的流行的可视化编程工具,编程爱好者可以在短时间学会创建炫目的安卓手机应用。本书是App Inventor汉化先驱金从军及张路的经典作品《App Inventor开发训练营》的升级版 全新版App Inventor、全新写作思路、全面更新案例、全彩印刷。书中通过趣味游戏、辅助教学、数学实验室、实用工具四大单元共15个实战案例,生动形象、深入浅出地展示了使用App Inventor进行应用开发的步骤、要点和技巧。跟着本书,你也能成为可视化编程开发的高手,同时掌握编程开发的逻辑与思维! 本书适合青少年及其家长、中小学信息技术教师、大学生编程爱好者等自学,也适合青少年编程培训机构作为参考教材。拿起本书,通过App Inventor动手开发出自己的安卓应用吧!
MySQL是世界上很受欢迎的数据库管理系统之一,其高效、稳定、灵活、可扩展性强并且简单易学,这些特性使它在优选获得越来越多开发人员的青睐。本书结合不同难度的案例,全面介绍MySQL的各项技术及实战技能
如果你有一个很好的想法,要开发品质的Android应用,这本书会帮你用很快的速度构建你的靠前个实际应用。你会学到一些实践技巧,掌握如何建立应用的结构,如何设计界面,如何创建数据库,如何让你的应用同时适
大数据智能时代,数据作为新型生产要素已成为科研创新的基础战略资源。由于数据爆炸式增长,海量异构科学数据需要被更有效地分析、处理,以促进科学知识发现,由此产生了科学研究第四范式——数据密集型科研范式。本