《删除》讲述了遗忘的美德,为读者展现了大数据时代的取舍之道。 《删除》洞见了“被遗忘的权利”,回溯了人类追寻记忆的过程。如今,数字技术与全球网络正在瓦解我们天生的遗忘能力——过去正像刺青一样被刻在我们的数字皮肤上,遗忘已经变成了例外,而记忆却成了常态。 删除,大数据取舍之道,就是把有意义的留下来,把无意义的去掉。只有理解了在大数据中,需要的是什么,以及如何判断这种需要,才能举一反三地明白到底为什么要去掉那些不需要的。 《删除》开启了一场关于“遗忘”的热烈讨论,让我们始终记得遗忘的美德。这本书告诉我们,在大数据时代,面对海量信息人类该如何取舍,怎样才能构建一个积极而安全的未来。
简单来说,互联网“∑”是传统互联网与“互联网 ”等互联网相关产物所形成的空间,也可以称之为“集合”。互联网“∑”的中心词是“突破”,它能够衍生出无限裂变、同步共享、大数据、免费等多项技术,创造从建网站到变网站、信息同步共享、大数据资源直接转换、免费消除时效性等多个“神话”。互联网“∑”将为中国经济带来新的发展契机,为全球各国友好合作交流提供场地,也为拉动全球经济发展催生新的动力。
本书全面介绍了ERP的基本原理、计划功能、效益以及实施和应用ERP为企业带来的深层次的变化,并且详细讨论了销售与运营规划和主生产计划的功能及其相关的重要概念和方法,如资源计划、粗能力计划、计划物料清单、可承诺量(ATP)、计划时界和需求时界、最终装配计划以及两级主生产计划等,还介绍了一些重要且实用的概念和方法,如MRP重排假设、反查物料清单、需求反查以及设置安全库存的理论依据等。 此外,本书还介绍了软件系统的选型、ERP实施和运行管理的方法、国际上广泛使用的ERP实施应用的评估方法以及一个具有典型意义的实施应用案例,讨论了和ERP相关的诸多论题。 本书可作为高等院校工商管理专业和计算机应用专业的本科生和研究生,包括MBA、EMBA的教材或教学参考书;还可用于企业系统学习ERP知识的培训教材,供企业领导、各级管理人员
大数据是互联网、移动应用、社交网络和物联网等技术发展的必然趋势,大数据应用成为当前最为热门的信息技术应用领域。本书由浅入深,首先概述性地分析了大数据的发展背景、基本概念,从业务的角度分析了大数据应用的主要业务价值和业务需求,在此基础上介绍大数据的技术架构和关键技术,结合应用实践,详细阐述了传统信息与大数据平台的整合策略,大数据应用实践的流程和方法,并介绍了主要的大数据应用产品和解决方案。,对大数据面临的挑战和未来的趋势进行了展望。
本书以2014年执行的《企业会计准则》为依据,参照2013年发布的《企业会计信息化工作规范》,以用友U8 V10.1会计信息化教育专版为教学软件,以会计电算化典型工作岗位为学习情境,以真实企业案例为操作背景,以企业实际会计仿真业务为操作流程,阐述了会计信息化基础知识、岗位分工、业务流程及基本操作技能。本书共7个单元38个项目100个典型工作任务,内容涵盖了财务信息化的核心内容。单元1为会计信息系统认知;单元2介绍系统管理;单元3介绍财务基础档案设置;单元4介绍总账系统;单元5介绍固定资产管理系统;单元6介绍薪资管理系统;单元7介绍报表管理系统。本书可以作为会计从业资格考试“初级会计电算化”科目的参考用书,也可以作为高等职业学校会计专业学生学习“会计信息系统实训”课程的教材
崔奇明、李友红、崔舒婷、李琦诺编著的《专家系统工具ESTA及其应用》系统地介绍了专家系统原理、专家系统工具ESTA等,并给出了较多的示例。全书共分三部分:部分(章)简述人工智能、专家系统、专家系统工具、诊断问题求解、知识表示、Visual Prolog语言;第二部分(第2~4章)论述专家系统工具ESTA及ESTA应用范例分析;第三部分(第5~ 9章)介绍基于Visual Prolog的专家系统、基于Web的专家系统的应用研究、ESTA汉化及定制过程、基于ESTA的专家系统、学习和研究ESTA的示例——专家系统和人工神经网络的结合应用、Visual Prolog的应用示例——基于高压分析的变电设备故障诊断专家系统、基于Windows与基于Web的KSTA应用咨询过程图例等。 本书需要读者具有Prolog或Visual Prolog的基础知识,可作为高等院校计算机、自动化、信息管理等相关专业本科生或研究生专家系统及应用的教学参
在生产制造全球化合作日益发达的今天,基于供应链上下游节点企业间信息的协同管理是现代供应链管理的必然要求。本书首先以汽车制造行业某供应链信息协同平台为例,系统地分析了该平台的建设背景以及应用功能需求,针对该平台B2B应用模块中基于互联网的信息安全加/解密及实时交互需求,提出了一种数据快速加/解密算法的实现方法,以提升该平台的加/解密信息实时交互性能;针对该平台B2C应用模块中Web用户客观行为信息和主观反馈信息的分析需求,分别提出了基于自动标注文本中词语的情感倾向性分析算法和基于混合数据的用户行为聚类分析算法的实现方法;最后从工程实现的角度,阐明了该平台的系统设计及具体实现方法,重点说明上述研究成果在其中的实际应用情况。