本书是一部系统论述Python编程语言和实际应用技术的图书,全书共分为13章。第1~8章讲解 Python基本语法; 第9~13章讲解Python实际应用的技术。主要内容包括编写第一个Python程序、 Python基本语法、Python数据类型、函数、面向对象、日期和时间、异常处理、访问文件和目录、GUI编程、 网络编程、多线程、MySQL数据库编程和访问Excel文件。 本书每章后面安排了“动手练一练”实践环节,旨在帮助读者消化和吸收本章所讲解的知识点,在本书 附录A中提供了动手练一练参考答

随着时代的发展和信息技术的进步，信息技术已经是社会发展的动力之一，尤其是大数据技术对社会的发展起到促进作用。在人们的生活、生产中，大数据的应用能够给人们带来便利性，同时在大数据中也会存储人们的个人信息。随着科技的发展和进步，我们逐渐进入大数据时代。本书首先对大数据相关概念和应用问题进行了简述，进而论述了大数据的异化分析；然后介绍了大数据的影响因素，以及云计算技术与算法分析；最后介绍了大数据在不同方面的应用。 大数据具有规模大、种类多、生成速度快、价值巨大但密度低的特点。大数据应用就是利用数

本书共分七个项目，主要内容包括：工业机器人的概念和结构、工业机器人机械设计、机器人编程与软件、工业机器人基本操作、工业机器人坐标系数据设置与校准、工业机器人搬运编程与操作、工业机器人码垛编程与操作。

本书共分为8章。第1、2章介绍了Spring Boot2.3开发基础，包括环境搭建、依赖引入和基础Spring Boot应用构建。第3-6章是Spring Boot的融合阶段，介绍了Spring Boot搭建Web项目、操作数据库、使用缓存、整合安全框架、结合消息服务等，这些都是日常开发中的常用内容，读者经过该阶段的学习可以熟练地运用Spring Boot进行敏捷开发。第7、8章是Spring Boot的实战阶段，该阶段有助于使读者对Spring Boot的运用更加熟练，从而掌握实际项

本书根据网页设计与制作的基础语法逻辑进行编写，理论与实务相结合，力求帮助网页设计与制作零基础的读者从入门走向精通。全书共8章，包括浏览器与网页基础、网页文本处理、常用的网页标记、CSS基础、CSS布局属性、设计复杂的布局、JavaScript基础、基于对象的JavaScript编程等内容。 为了方便教师教学，本书提供丰富的教学资源，包括PPT课件、电子教案、教学大纲、课后习题答案、上机实验源代码、实训案例源代码等。如有需要，用书教师请登录人邮教育社区（www.ryjiaoyu.com）获取相关教

本书以项目实践作为主线，结合必需的理论知识，以任务的形式进行内容设计，每个任务都包含任务描述及任务实施的步骤，读者按照实施步骤进行操作就可以完成相应的学习任务，从而不断提升项目实践能力。本书主要内容涉及Spark基本原理、基于IDEA搭建Spark开发环境、RDD基本原理、Spark SQL基本操作流程、电商业务系统的基本流程、电商用户行为分析的基本指标以及分析过程、通过不同的维度对销售数据进行分析、通过不同的维度对订单数据进行分析以及常用的可视化分析图表的应用场景等。 本书适合需要使用Spar

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。 本书可作为高等院校计

本书以“超级AI”为时代背景，面向广大教师与家长，提出30个未来教育核心问题，涵盖学校、家庭、社会及终身成长等方面，由多个AI大模型给出直接回答，由5位教育专家提供真人思考，问以致学、学以致用、用以致问，启发读者前瞻教育的发展趋势。

数据是人类共同的财富数据是现代科学研究的基石。在当今这个大数据的时代，如何强调数据的重要性似乎都不为过。随着互联网及其应用的普及，传统关系数据库越来越难以满足计算机应用对数据存储、访问和安全的需要，非关系数据库和新兴数据库应运而生。本书主要面向新一代数据库系统，详细介绍数据库发展史、数据库设计原则、NoSQL和NewSQL的基本原理与设计思想。本书选取了新一代数据库发展历程中具有代表性的数据库展开讲解，如键值数据库实例的Redis与DynamoDB、列族数据库的HBase与Cassandr

机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造 k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、最大熵模型、决策树模型、感知机模型、支持向量