Python

本書介紹了金融實證分析的主要方法和前沿問題、金融與財務機器學習的主要方法、評估方法和案例等。本書共12章，包括：金融與財務領域的機器學習，Python軟件使用簡介，金融與財務大數據的處理與分析，因子與因子模型，因子模型的估計、檢驗與解釋，金融資產收益預測，包含懲罰項的線性回歸模型，數據降維模型，樹形模型與分類模型，神經網絡模型，模型評估、訓練與可解釋性，文本分析。

本書系統介紹了大數據的內涵、特徵、技術及應用。全書共10章，其中第1～8章為技術篇，主要從大數據處理流程出發，圍繞大數據體系架構，詳細闡述大數據采集與預處理、大數據存儲、大數據分析挖掘、大數據可視化等關鍵技術。第9、10章為應用篇，對大數據在電信、文娛、教育、醫療等行業的具體應用進行了論述，並通過典型案例與Python代碼示例，展示如何將大數據原理付諸實踐。

本書首先介紹深度學習方面的數學知識與Python基礎知識，線性模型中的線性回歸模型和logistic模型；然後講述正向傳播算法、反向傳播算法及深度神經網絡的完整訓練流程，輸出層的激活函數和隱藏層的常見激活函數，深度學習的過擬合和欠擬合，應對過擬合的方法，以及使用TensorFlow 2建立深度神經網絡模型的步驟；接著介紹卷積神經網絡及其兩個重要的組成部分―卷積和池化，以及如何使用TensorFlow 2建立卷積神經網絡；最後討論如何從零開始實現循環神經網絡，如何搭建深度學習框架，如何使用TensorFlow 2建立循環神經網絡模型。本書既可供從事人工智能方面研究的專業人士閱讀，也可供計算機專業的師生閱讀。

本書主要講解Linux桌面操作系統Ubuntu的配置管理、桌面應用、編程和軟件開發。全書共12章，內容包括Ubuntu 概述、安裝與基本操作，用戶與組管理，文件與目錄管理，磁盤存儲管理，軟件包管理，系統高級管理，Ubuntu桌面應用，Shell編程，C/C++編程，Java與Android開發環境，PHP、Python和Node.js開發環境，Ubuntu服務器。本書內容豐富，注重實踐性和可操作性，對每個知識點都有相應的操作示範，便於讀者快速上手。本書可作為高等院校、職業院校計算機專業的教材，也可作為Ubuntu Linux系統操作人員的參考書，以及各類培訓班教材。

可解釋AI(Interpretable AI)將教會你識別模型所學習的模式及其產生結果的原因。通過閱讀《可解釋AI實戰（PyTorch版）》，你將掌握一些用於解釋白盒模型(如線性回歸和廣義可加模型)的方法，以及一些用於解釋複雜深度學習模型的方法。可解釋AI是一個快速發展的領域，本書將該領域的前沿研究簡化為你可以在Python中實現的實際方法。主要內容● 解釋AI模型的技術● 最大限度地減少錯誤、偏見、數據泄露和概念漂移● 度量公平性和減少偏見● 構建符合GDPR的AI系統

本書將從基礎開始, 全面介紹大數據可視化的底層原理和實現框架, 並重點講解一些常用的大數據可視化關鍵技術, 包括Excel圖表、Tableau Desktop可視化組件、Web的可視化控件、Java可視化控件以及Python數據可視化工具。本書配套案例代碼、PPT課件、教學視頻、教學大綱與執行進度表。本書共分為8章, 第1章著重介紹大數據的發展歷程, 以及在大數據發展背景下數據可視化的概念、可視化技術的使用及可視化的現實意義; 第2章著重介紹如何通過Excel工具實現數據可視化的內容; 第3章著重介紹Tableau可視化工具的使用、數據處理、數據可視化的應用等內容; 第4章著重介紹以Highcharts、D3可視化為主要內容的Web可視化組件; 第5章著重介紹以JFreeChart和Echarts為代表的Java可視化控件的安裝、功能及使用案例; 第6章著重介紹以Python編程為基礎的數據可視化工具, 包括Matplotlib框架、Bokeh框架、pairplot框架以及基於ECharts的pyecharts框架; 第7章介紹豆瓣電影數據可視化應用案例; 第8章介紹餐飲數據可視化應用案例。

作為一kuan輕量級、模塊化的開源深度學習框架，Keras以容易上手、利於快速原型實現、能夠與TensorFlow和Theano等後端計算平臺很好兼容等優點，深受眾多開發人員和研究人員的喜愛。本書結合大量實例，簡明扼要地介紹了目前熱門的神經網絡技術和深度學習技術。從經典的多層感知機到用於圖像處理的深度卷積網絡，從處理序列化數據的循環網絡到偽造仿真數據的生成對抗網絡，從詞嵌入到AI遊戲應用中的強化學習，本書引ling讀者一層一層揭開深度學習的面紗，並在逐漸清晰的理論框架下，提供多個Python編碼實例，方便讀者動手實踐。通過閱讀本書，讀者不僅能學會使用Keras快捷構建各個類型的深度網絡，還可以按需自定義網絡層和後端功能，從而提升自己的AI編程能力，在成為深度學習專家的路上更進一步。

本書共9章，由淺入深地介紹各類數據可視化技術及相關可視化工具的使用方法，力求培養讀者對數據可視化的認知以及動手能力。第1章和第2章是基礎應用，介紹數據可視化的定義、作用和發展歷史，以及如何使用Excel進行數據可視化；第3章～第5章介紹數據可視化工具Tableau的基本使用方法；第6章～第9章詳細介紹如何利用代碼實現數據可視化，包括前端數據可視化、使用JavaScript實現數據可視化、大屏數據可視化、Python編程語言可視化。全書理論結合實踐，既有一定的技術深度，也有行業應用的廣度。本書可作為應用型本科和高職院校的數據可視化教材，也適合對數據可視化技術感興趣的讀者閱讀。

本書分為4個部分，第1部分為數據庫技術概述，第2部分介紹關係型數據庫(包括MySQL、Oracle、SQL Server和PostgreSQL)技術應用，第3部分介紹NoSQL數據庫(包括Redis、MongoDB、HBase、Hive、Cassandra和Elasticsearch)技術應用，第4部分介紹其他類型數據庫(包括SQLite、Neo4j和TDengine)技術應用。本書按照統一的目錄結構對每種數據庫進行介紹：先介紹數據庫的業務應用場景，再介紹安裝配置步驟，接著講解架構設計和業務應用開發，最後介紹Python操作示例。由於4種關係型數據庫中的一些數據對象在使用上有類似之處，因此本書只在一種數據庫中進行介紹。例如，觸發器和自定義函數只在Oracle中介紹，存儲過程和￿標只在SQL Server中介紹。各種非關係型數據庫之間沒有橫向可比性，因此主要介紹其獨特用法。

本書先概述生成式人工智能所涉及的技術和工具，幫助你了解如何訓練模型以生成新數據；接著展示如何用 ChatGPT 提高營銷、科研和軟件開發等相關工作的生產力和創造力；隨後介紹如何通過改進提示設計從與 ChatGPT 的交互中獲得好的效果，以及如何在企業級場景中使用 OpenAI 模型。 通過閱讀本書，你可以了解生成式人工智能的相關概念，以及如何通過有效的提示設計增加ChatGPT的價值，如何基於Python語言構建和部署生成式人工智能系統，如何利用 Azure OpenAI 服務實現企業級應用。 本書適合想用生成式人工智能提升工作效率的所有人閱讀，包括但不限於商務人士、數據科學家、軟件開發人員、營銷人員和科研人員。

Apache Pulsar被譽為下一代分布式消息系統，旨在打通發佈/ 訂閱式消息傳遞和流數據分析。本書作者既與Pulsar項目創始成員共事多年，又有在生產環境中使用Pulsar 的豐富經驗。正是這些寶貴的經驗成就了這本Pulsar“避坑指南”，為想輕鬆上手Pulsar的讀者鋪平了學習之路。本書分為三大部分，共有12章。第一部分概述Pulsar的設計理念和用途。第二部分介紹Pulsar的特性。第三部分以一個虛構的外賣應用程序為例，詳細地介紹Pulsar Functions框架的用法，並展示如何用它實現常見的微服務設計模式。本書示例採用Java語言，並同時提供Python實現。

公文是一种实用文体，种类繁多，本书选取工作报告为样本研究，分为理论模型与实操方法。理论模型部分：利用大数据技术对70年来国务院政府工作报告进行文本挖掘，建立回顾与任务、开头与结尾、感谢与问题、体会与要求四个模块八大要素的写作模型，分类提取高频词汇，总结提炼工作报告写作步骤及要点。实操方法部分：运用Python、PHP、Mysql、Sqlite等技术，构建个人知识库、公文素材网站，提供全部源码，实现相关功能。方法从实践中来，上升到理论后，再到实践去中。本书原创蚂蚁学习法（AntStudy），由ANT学习模型与Stud（x，y）成长函数两部分构成。ANT学习模型旨在提升工作能力，构建个人知识库，分为吸收、叙述、训练三个关键环节；Stud（x，y）成长函数侧重调整工作心态，遵循大树成长规律，调动向阳、时间、向上、扎根、渴望五个变量。

本書講述了內燃機、動力電池和燃料電池等汽車動力裝置的仿真基本理論、仿真方法、評價依據和優化設計措施。全書共7章，主要介紹了內燃機受力和平衡分析，曲軸、連杆、活塞、缸蓋、機體、缸套等內燃機主要零部件的仿真與設計，配氣機構運動學、動力學和性能仿真，活塞環-缸套潤滑、徑向軸承潤滑、冷卻水腔流動傳熱和活塞噴油冷卻的仿真與設計，新能源汽車動力電池熱管理和結構的仿真與設計，新能源汽車燃料電池水熱管理仿真與雙極板結構設計。本書提供了Python編程例題和仿真實例例題，以利於讀者更好地理解和實踐。

A hands-on, code-based guide to leveraging Julia in a variety of scientific and data-driven scenarios Key Features: Augment your basic computing skills with an in-depth introduction to JuliaFocus on topic-based approaches to scientific problems and visualisationBuild on prior knowledge of programming languages such as Python, R, or C/C++Purchase of the print or Kindle book includes a free PDF eBook Book Description: Julia is a well-constructed programming language which was designed for fast execution speed by using just-in-time LLVM compilation techniques, thus eliminating the classic problem of performing analysis in one language and translating it for performance in a second.This book is a primer on Julia's approach to a wide variety of topics such as scientific computing, statistics, machine learning, simulation, graphics, and distributed computing.Starting off with a refresher on installing and running Julia on different platforms, you'll quickly get to grips with the core concept

作為第一個戰勝圍棋世界冠軍的人工智能機器人AlphaGo，我們知道其主要工作原理是深度學習。隨著AlphaGo Zero和Alpha Zero的相繼發佈，作為機器學習經典算法之一的強化學習在人工智能領域受到了更多的關注。《強化學習算法入門》就用通俗易懂的語言，按照“原理-公式-程序”的方式對強化學習的基礎知識進行了詳細講解。書中先讓大家從熟悉的“平均值計算”作為切入點學習強化學習的基本概念，然後結合實例學習了函數近似方法、深度強化學習的原理和方法等，比較了各算法的特點和應用，並用Python和MATLAB兩種語言進行了編程實現。 《強化學習算法入門》內容豐富，實踐性強，特別適合高校人工智能相關專業學生，機器學習、深度學習工程師學習強化學習算法。

本書共7章: 第1章是數據挖掘概述; 第2章對數據挖掘進行歷史回顧並介紹目前的研究現狀; 第3章著重討論數據挖掘的常用算法和工具; 第4章分析數據挖掘的體系結構; 第5章介紹數據挖掘技術在相關領域的應用情況; 第6章分析數據挖掘的研究方向和發展趨勢; 第7章介紹Python數據挖掘的實操案例。本書除第7章外每章後均附有習題。

9780545451925 Alligator V.S. Python (Who Would Win?)9781338320268 Falcon V.S. Hawk (Who Would Win?)9781338320244 Green Ants V.S. Army Ants (Who Would Win?)9780545301701 Hammerhead V.S. Bull Shark (Who Would Win?)9780545451901 Hornet V.S. Wasp (Who Would Win?)9780545946100 Hyena V.S. Honey Badger (Who Would Win?)9780545946087 Jaguar V.S. Skunk (Who Would Win?)9780545160759 Killer Whale V.S. Great White Shark (Who Would Win?)9780545301718 Komodo Dragon V.S. King Cobra (Who Would Win?)9780545175715 Lion V.S. Tiger (Who Would Win?)9780545681216 Lobster V.S. Crab (Who Would Win?)9780545175722 Polar Bear V.S. Grizzly Bear (Who Would Win?)9780545681155 Rattlesnake V.S. Secretary Bird (Who Would Win?)9780545451918 Rhino V.S. Hippo (Who Would Win?)9780545301725 Tarantula V.S. Scorpion (Who Would Win?)9780545681278 Triceratops V.S. Spinosaurus (Who Would Win?)9780545175739 Tyrannosaurus Rex V.S. Velo

本書基於PyMC語言以及一系列常用的Python數據分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實現方法。該方法常常可以在避免引入大量數學分析的前提下，有效地解決問題。書中使用的案例往往是工作中遇到的實際問題，有趣並且實用。作者的闡述也儘量避免冗長的數學分析，而讓讀者可以動手解決一個個的具體問題。通過對本書的學習，讀者可以對貝葉斯思維、概率編程有較為深入的瞭解，為將來從事機器學習、數據分析相關的工作打下基礎。本書適用於機器學習、貝葉斯推斷、概率編程等相關領域的從業者和愛好者，也適合普通開發人員瞭解貝葉斯統計而使用。

本書基於TensorFlow、Keras和scikit-learn，介紹了21個典型的人工智能應用場景。全書共3篇，分別是預測類項目實戰篇、識別類項目實戰篇和生成類項目實戰篇。其中預測類項目包括房價預測、泰坦尼克號生還預測、共享單車使用情況預測、福彩3D中獎預測、股票走勢預測等8個項目；識別類項目包括數字識別、人臉識別、表情識別、人體姿態識別等7個項目；生成類項目包括看圖寫話、生成電視劇劇本、風格遷移、生成人臉等6個項目。本書代碼豐富，注釋詳盡，適合有一定Python基礎的讀者，包括計算機相關專業的學生、程序員和人工智能神經網絡的技術愛好者。

Behind the scenes, stories, jokes and analysis of all the Monkey Island games, including many interviews of the creators. LucasArts has become a legendary developer in part because of The Secret of Monkey Island, which was created here in 1990. The Secret of Monkey Island, the world's most famous point-and-click adventure game, owes its reputation to its world of colourful, delightfully anachronistic pirates, to its Monty Python humour, but also, quite simply, to the fact that it revolutionised a genre. This book is a tribute to the adventures of Guybrush Threepwood, the great pirate. But it also aims to explain why Monkey Island represents a decisive step forward in the way a story can be told through a video game. It will also look back at the turbulent history of LucasArts and Telltale Games, discover a few recipes for voodoo toddy, learn interactive pirate reggae songs, shine at a social gathering of forty-something geeks and discover lines as sharp as a boarding sword (useful for

全書共11章，系統地介紹了PySpark大數據分析的方法和技巧，內容涵蓋了大數據的相關技術、PySpark的基本概念、Spark環境搭建、數據分析的基本概念及相關工具、開發工具的選擇、Spark核心編程和Spark SQL操作等基礎知識和核心技術，以及Spark流式數據處理、Spark機器學習庫MLlib和基於協同過濾的圖書推薦系統等高級主題。本書通過多個實戰案例，帶領讀者掌握使用Python和Spark進行大數據分析的方法和技巧，從而提高讀者的數據處理能力和業務價值。

這是一本面向RPA開發初學者的實戰圖書，囊括了RPA在金融、政務、製造、電商、醫療等十大行業的RPA開發實戰案例，每個案例都有詳細的步驟拆解，圖文並茂，手把手教會大家完成自動化流程的開發。《RPA開發：UiPath入門與實戰》中的案例均源自企業真實項目，每個案例都從項目需求開始，一步步引導讀者完成需求分析、流程設計和流程實現，幫助讀者深入理解並熟悉UiPath工具的同時也鍛煉了自動化流程設計的思維模式。這些案例涵蓋了RPA開發的大部分應用場景，包括Excel/Word/PDF自動化、錄製和數據抓取、瀏覽器自動化、基於客戶端應用(ERP軟件)的自動化、郵件自動化、文件壓縮與解壓、調用代碼(Python/C#)、自定義庫(Library)、包管理、數據庫自動化、API集成等，使讀者在案例實戰中實現UiPath的進階。《RPA開發：UiPath入門與實戰》面向所有對RPA有濃厚興趣的讀者。

Migrate from pandas and scikit-Learn to PySpark to handle vast amounts of data and achieve faster data processing time. This book will show you how to make this transition by adapting your skills and leveraging the similarities in syntax, functionality, and interoperability between these tools. Distributed Machine Learning with PySpark offers a roadmap to data scientists considering transitioning from small data libraries (pandas/scikit-learn) to big data processing and machine learning with PySpark. You will learn to translate Python code from pandas/scikit-learn to PySpark to preprocess large volumes of data and build, train, test, and evaluate popular machine learning algorithms such as linear and logistic regression, decision trees, random forests, support vector machines, Na鴳e Bayes, and neural networks. After completing this book, you will understand the foundational concepts of data preparation and machine learning and will have the skills necessary to apply these methods using

OpenHarmony(中文名為開源鴻蒙)是由全球開發者共建的開源分布式操作系統。該操作系統將人、設備、場景有機地聯繫在一起，實現了全場景多種智能終端的極速發現、極速連接、硬件互助、資源共享。本書的主要內容是OpenHarmony南向開發，即輕量系統的嵌入式硬件開發，書中的內容基於一個集成度較高的項目平臺――開源大師兄，利用該項目平臺中的硬件開發板，通過圖形化編程以及Python代碼編程的形式學習OpenHarmony輕量系統嵌入式開發相關的內容。相比專業性更強的嵌入式開發內容，本書主要面向青少年以及硬件開發愛好者，在介紹OpenHarmony操作系統和開源大師兄項目的基礎上，通過具體的應用實踐讓讀者快速了解開源鴻蒙開發。

數字圖像處理與分析在現代農業生產中得到了越來越多的應用。《數字圖像處理與分析》系統地介紹了數字圖像處理與分析的理論、方法和代表性成果及其在農業領域中的應用。《數字圖像處理與分析》介紹了數字圖像處理中的數字圖像基礎、數學基礎、圖像增強、圖像形態學、圖像分割、圖像特徵提取與描述、圖像壓縮和機器學習基礎等內容，突出專業知識和農業生產需求的緊密結合，由淺入深，循序漸進，並通過豐富的應用案例，力求使學生在掌握基本理論和專業知識的同時，具備承擔農業領域數字圖像處理與分析任務的能力。《數字圖像處理與分析》配備了電子課件、課後習題參考答案和大部分章節實驗結果的源代碼(Python + OpenCV)，供教師授課使用。

《環境數據分析(第二版)》是面向新工科建設的新形態教材，介紹了數理統計分析及機器學習、深度學習的基礎理論和軟件操作，加強了統計分析和數據科學的融合。《環境數據分析(第二版)》共12章，內容包括數據描述性分析及探索性分析、科學繪圖、環境數據分佈與假設檢驗、參數及非參數檢驗、方差分析、相關分析、回歸分析、生存分析、降維分析、聚類分析、分類分析及機器學習、深度學習，特別設置了知識拓展、思考題、逸聞趣事等。《環境數據分析(第二版)》重視實戰操作訓練，演示了Excel、SPSS、Python及GPT-4的分析過程，對軟件操作及界面進行了詳細介紹，完整展現了數據分析的思路和過程。所有習題、例題數據及解題方法均配套電子文件。

本書作者在Copilot、ChatGPT等人工智能的輔助下，解出了24道具有挑戰性的正則表達式謎題。本書分為許多單獨的謎題，這些謎題被歸入與解謎需要的正則表達式的複雜性和特徵有關的主題，並包含了其傳統的人為解決方案，以及流行的人工智能助手所給出的答案。除了這些謎題，讀者還將學習如何編寫提示，整合人工智能生成的編碼建議，並與助手互動以獲得想要的結果。通過閱讀本書，讀者將清楚地瞭解人工智能助手在哪些方面可以可靠地編寫代碼，在哪些方面還需要人力的協助。此外，本書介紹了很多關於正則表達式的知識。本書面向瞭解Python簡單技能和正則表達式的讀者，不需要有使用人工智能編碼工具的經驗。

全書以新型天線設計、微波濾波器設計及HFSS聯合模擬設計為基礎，對ANSYS HFSS的基本操作、進階使用技巧及實操應用進行了全面介紹。在天線應用方面，本書重點研究了當前幾類熱門天線，對其實現的設計思路與方法進行了深入分析；在微波器件方面，本書重點探討了小型化和可調性兩個方面，對實現小型化和可調性的最新技術和結構進行了詳細闡述；在聯合模擬方面，本書透過ANSYS HFSS與Python、MATLAB、Designer、optiSLang和Maxwell相結合的綜合應用，對天線和濾波器的聯合建模、模擬和最佳化進行了全面探索。本書可作為高等學校電子資訊專業碩博士研究生的參考讀物，也可供廣大微波設計人員參考。

本書由5個項目組成，內容包括人工智能概述、新一代信息技術的應用、人工智能之自動識別技術、人工智能之Python語言、人工智能之機器學習。本書系統闡述人工智能的基本原理、實現技術及應用，全面地反映國內外人工智能研究領域的進展和發展方向。本書作為國家職業教育改革實施方案中倡導使用的新型活頁式教材，既可作為人工智能、信息處理、電氣自動化等相關專業的教材，也可作為從事計算機科學研究及開發、應用的教學和科研人員的參考書。

本套標準包括4個部分：圖形化編程，機器人編程，Python編程和C++編程。其中圖形化編程分為三級，機器人編程和Python編程各分為4級，C++編程分為5級，每級規定了綜合能力要求，以及主要知識點及各知識點的能力要求。標準研製團隊由計算機教育專家、青少年編程培訓機構教師、標準的應用單位代表共同組成，由清華大學、北京理工大學牽頭。在標準研製過程中，通過調研分析、研討、專家諮詢、廣泛徵求意見等環節確保標準制定的規範性，尊重學科知識體系、遵循教育規律、適應學業發展，同時符合教育培訓需求，兼具科學性與實用性。《青少年編程能力等級》系列標準的意義在於，解決目前青少年編程教育培訓領域尤其是課外培訓領域，階梯型目標指引缺乏、培訓內容良莠不齊等問題，通過規範教學內容引領行業按照符合青少年學生認知規律、知識和能力兼顧、計算思維和創造思維並重的路線良性有序發展。《青少年編程能力等級》標準的推出旨在為編程教育提供了一個指導和參考依據。預期讀者對象包括中小學教師、培訓機構的教師，以及學青少年學生和學生家長。

本書主要介紹大數據可視化的基本概念和相應的技術應用。全書內容共10章，分別為大數據可視化概述、大數據可視化原理、大數據可視化方法、數據可視化工具、Excel數據可視化、Tableau數據可視化、ECharts與pyecharts數據可視化、Python數據可視化、大數據可視化行業分析以及大數據可視化綜合實訓。本書將理論與實踐操作相結合，通過大量的案例幫助讀者快速瞭解和應用大數據分析的相關技術,並且對於書中重要的、核心的知識點加大練習的比例，以使讀者達到熟練應用的目的。本書可作為大數據、雲計算、軟件技術、信息管理、計算機網絡等專業的教材，可也作為大數據愛好者的自學參考書。

本書分為10章，其中第1～9章探討了排序、推薦系統、聚類、線性回歸等內容，每章都以一個具體的實際問題開始，其主要目的是激發對某一特定大數據分析技術的研究。接下來探討其背後的數學原理――包括重要的定義、輔助陳述和得出的結論。案例研究有助於將所學知識應用於跨學科的環境中，包括對逐步任務的描述和有用的提示。每章之後都配有習題，作為自學中不可缺少的一部分，有助於提高對基礎理論的理解。第10章提供了前9章的習題答案，以及Python代碼中的算法描述作為補充材料。本書適合作為大數據分析、應用數學及相關專業的研究生和高年級本科生。

全書分為三篇，分別為概念篇（1-2章）、基礎篇（3-6章）和平臺篇（7-10章）。第1-2章為闡述了大數據的基本概念、相關理論和技術緒論。第3章包括數據獲取與存儲，介紹數據爬蟲等自動採集技術和基本的存儲技術。第4-5章的主要內容是數據預處理和可視化。第6章為大數據分析方法，介紹回歸、分類、聚類和文本分析等技術。第7章為大數據管理平臺概述，介紹了分布式思想和平臺技術。第8章為Linux操作系統基礎。第9-10章介紹了分布式存儲和處理技術。本教材以培養大學低年級學生的大數據應用能力、初步建立數據思維為主要目標，滿足“新工科”、“新醫科”、“新農科”、“新文科”建設背景下高校對數據素養能力培養的新要求。主要案例基於房屋買賣數據，易於理解；使用生活中的常識來類比科學原理，深入淺出；主要教學內容均有程序實現，實踐性強。本教材只要求讀者有初步的Python程序設計基礎，對數學知識要求不高。提供PPT課件，教學視頻，電子教案等，方便教學。面向有Python程序設計基礎的各專業學生，建議在大學低年級作為必修課開設。

《數學建模理論、方法及應用(第二版)》分11章，內容涉及數學建模簡介、Python編程基礎與科學計算、常微分方程及差分方程方法、偏微分方程、插值與擬合方法、最優化方法、圖論方法、排隊論、回歸分析、因子分析、時間序列預測分析方法。第3―11章每章先給出歷史沿革，然後進行方法簡介，最後結合實例講解建模方法，配合數學軟件的介紹和使用，加強建模求解過程的基本訓練，避免在解決問題中做繁瑣的數學推導和計算，提高教材的可讀性。掃描《數學建模理論、方法及應用(第二版)》的二維碼可獲取部分案例的數據文件、程序及彩圖。

《OpenCV入門與技術實踐》介紹如何學習和使用流行的OpenCV庫開發計算機視覺應用，主要內容包括圖像的核心操作、圖像閾值處理、圖像形態變換、圖像邊緣檢測、角點檢測與特徵匹配等。 全書分為4章：第1章著重介紹使用Python開發OpenCV應用基礎知識；第2章著重介紹使用OpenCV進行圖像特徵檢測、描述和特徵匹配的各種算法；第3章著重介紹OCR文字識別；第4章著重介紹OpenCV中的深度學習。 《OpenCV入門與技術實踐》適合作為高等院校計算機、軟件工程專業本科生、研究生的參考書目，也適用於對人工智能領域感興趣的人士。

本書採用案例式編寫模式，包括7個單元，其中，單元1介紹數據分析的基本概念、流程和常用工具包，單元2介紹數據標注的分類、基本流程及工具的使用，單元3介紹ndarray數組及Python科學計算庫NumPy，單元4介紹數據分析處理庫pandas，單元5介紹數據可視化工具包Matplotlib和seaborn，單元6介紹分類和回歸模型及評價指標，單元7通過兩個綜合案例講解數據分析的具體處理過程。 本書可作為各類職業院校人工智能技術應用及相關專業的教材，也可作為人工智能愛好者的自學參考用書。 本書配有電子課件，選用本書作為授課教材的教師可登錄機械工業出版社教育服務網(wwwcmpeducom)註冊後免費下載，或聯繫編輯(010-88379807)諮詢。

本書從應用工程師的角度出發，著重探討Ansys Mechanical隱式求解中可能碰到的各種技術問題，重點介紹Workbench Mechanical仿真工具。第1章對Workbench Mechanical(以下簡稱Mechanical)和Mechanical APDL(以下簡稱MAPDL)兩者的聯繫和區別進行了概括性討論。第2章～第5章對Mechanical在仿真流程從前處理到後處理的技術問題進行了梳理。第6章討論了Mechanical在不同求解類型下的技術問題。第7章主要講述Mechanical中的接觸技術中的常見問題。第8、第9章分別從APDL和Python兩方面對Mechanical的功能進行擴展。第10章對結構分析中常見的分析技術如緊固件分析，屈曲分析等進行了講解和演示。

本書主要以實現遙感影像的分類、目標檢測與目標識別為目的，系統地講述了遙感技術與深度學習的關係、深度學習的數學基礎、卷積神經網絡基礎、Python基本語法、深度學習框架PyTorch和TensorFlow搭建方法，最後通過LeNet實踐、Faster R-CNN實踐和U-Net實踐，帶讀者體驗深度學習應用於遙感數據處理的具體操作。本書可作為普通高校遙感科學與技術、攝影測量與遙感、GIS、模式識別與智能處理等專業的實習教材，也可作為AI開發愛好者的自學入門教程。

機器學習最強入門 基礎數學/機率/統計 邁向 AI真實數據 x 專題實作 ★★★★★【數學原理 + 演算法 + 真實案例+ 專題實作】★★★★★ ★★★★★【最簡明的數學、機率、統計知識】★★★★★ ★★★★★【最完整的機器學習演算法】★★★★★ ★★★★★【最豐富的真實數據 x 專題實作】★★★★★ 本書特色如下： ★ 最白話解釋數學原理 ☆ 從簡單的數據開始理解機器學習的演算法 ★ 將理論知識轉化為實際的程式碼 ☆ 實際案例分析 全書有約416個Python程式實例，讀者可以由本書內容，了解下列與機器學習有關的基礎數學、機率、統計知識： ★ 方程式與函數 ☆ 完整Python語法 ★ 一元函數到多元函數 ☆ 最小平方法 ★ 基礎統計 ☆ 機率與單純貝式理論 ★ 指數與對數 ☆ logit函數與logistic函數 ★ 向量與矩陣 ☆ 二次函數、三次函數與多項式函數 當讀者有了上述知識後，筆者從簡單的實例開始介紹下列機器學習的演算法，每一種演算法皆是從基礎數據開始解說，然後跨入真實數據，解說應該如何將演算法應用到真實案例環境： ★ 線性迴歸 – 波士頓房價 ☆ 邏輯迴歸 – 信用卡/葡萄酒/糖尿病 ★ 決策樹 – 葡萄酒/鐵達尼號/Telco/Retail ☆ 隨機森林樹 – 波士頓房價/鐵達尼號/Telco/收入分析 ★ KNN演算法 – 電影推薦/足球射門/鳶尾花/小行星撞地球 ☆ 支援向量機 – 鳶尾花/乳癌/汽車燃料 ★ 單純貝式分類 – 垃圾郵件/中英文的新聞分類/情感分析/電影評論 ☆ 集成機器學習 – 蘑菇/醫療保險/玻璃/加州房價 ★ K-means分群 – 購物中心消費/葡萄酒評價 ☆ PCA主成分分析 – 手寫數字/人臉數據 ★ 階層式分群 – 小麥數據/老實泉 ☆ DBSCAN演算法 – 購物中心客戶分析 在講解上述演算法時，筆者同時介紹下列機器學習應該知道的知識： ★ 特徵選擇 ☆ 用直方圖了解特徵分佈 ★ 用箱型圖了解異常值 ☆ 數據預處理 ★ 殘差圖(Residual plot) ☆ 機器學習性能評估 ★ 過擬合(overfitting) ☆ 欠擬合(underfitting) ★ 數據洩漏(Data leak