Spark作为新兴的、应用范围广泛的大数据处理开源框架，吸引了大量的大数据分析与挖掘从业人员进行相关内容的学习与开发，其中ML是Spark 3.0机器学习框架使用的核心。本书用于Spark 3.0 ML大数据分析与挖掘入门，配套示例源码、PPT课件、数据集、思维导图、开发环境和作者答疑服务。
本书共分13章，从Spark 3.0大数据分析概述、基础安装和配置开始，依次介绍ML的DataFrame、ML的基本概念，以及协同过滤、线性回归、分类、决策树与随机森林、聚类、关联规则、数据降维、特征

主要内容：
● 开始使用C++20标准编写程序
● 使用C++进行模块化编程
● 使用数组、循环、指针、引用和字符串等
● 编写自己的函数、类型和运算符
● 了解面向对象编程的要素
● 使用重载、继承、虚函数和多态性
● 编写泛型函数和类模板，并使用概念让它们更安全
● 深入了解容器、算法和范围
● 使用自动类型推断、异常、移动语义、lambda表达式等

在如今的时代，大型数据集唾手可得，含有数百万行的数据文件并不罕见。Python是数据分析师和数据科学家的首选语言。通过本书，即使完全不了解Python，Excel用户也能够学会用Python将烦琐的任务自动化，显著地提高办公效率，并利用Python在数据分析和科学计算方面的突出优势，轻松搞定Excel任务。你将学习如何用pandas替代 Excel函数，以及如何用自动化Python库替代VBA宏和用户定义函数等。 本书既适合Excel用户，也适合Python用户阅读。

本书基于MATLAB R2020b，重点介绍 MATLAB 的基础应用，包括利用MATLAB进行科学计算、编写程序、绘制图形等。本书以简洁的语言和富有代表性的示例向读者介绍MATLAB的功能和用法，为MATLAB初级用户提供指导。全书共分12章，对MATLAB的常用函数和功能进行了详细介绍，并通过示例及大量的图形进行了说明，包括MATLAB R2020b简介，MATLAB的基本用法，数组和向量，MATLAB的数学运算，字符串、单元数组和结构体，MATLAB编程，MATLAB的符号处理，MATLA

OpenCV是一个跨平台计算机视觉和机器学习软件库，也是计算机视觉领域的开发人员必须掌握的技术。本书基于Python 3.8全面、系统地介绍OpenCV 4.5的使用，并配套示例源代码、开发环境与答疑服务。
本书共分15章，主要内容包括计算机视觉概述、OpenCV的Python开发环境搭建、OpenCV基本操作、数组矩阵、图像处理模块、灰度变换和直方图修正、图像平滑、几何变换、图像边缘检测、图像分割、图像金字塔、图像形态学、视频处理，以及停车场车牌识别、物体识别、运动跟踪、人脸检测等案例。

Spring是Java开发必不可少的框架，是一个庞大的生态系统，Spring Boot正是在Spring这一片肥沃的土壤中生长出来的快速应用开发框架。本书从Spring Boot的工程化组件入手，采用一步一示例的方式引导读者入门，并通过两个完整案例帮助读者学会开发Spring Boot项目。本书配套源码、PPT课件、教学视频、思维导图、开发环境与答疑服务。
本书共分12章。第1～3章介绍构建Spring Boot项目的步骤和Spring Boot Web开发的基础；第4～9章介绍Sprin

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、国际商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）

《人工智能全书：一本书读懂AI基础知识、商业应用与技术发展》系统地讲解了AI 基础知识、商业应用与技术发展，可以帮助读者快速了解人工智能，掌握行业动态与技术。全书图文并茂，浅显易懂，其中基础篇介绍了AI 的基础知识，商业篇预测了AI 在各行各业的应用与发展，技术篇则讲解了AI 的各种专业技术知识。《人工智能全书：一本书读懂AI基础知识、商业应用与技术发展》还有关于AI 的常见问题解答，能够回答大众对于AI 的常见疑问。本书适合大众及对AI感兴趣的人阅读，专业人士也能获益匪浅。

本书共8章，内容主要包括Spark概述及入门实战，Spark的作业调度和资源分配算法，Spark SQL、DataFrame、Dataset的原理和实战，深入理解Spark数据源，流式计算的原理和实战，亿级数据处理平台Spark性能调优，Spark机器学习库，Spark 3.0的新特性和数据湖等。 本书适合Spark开发人员和Spark运维人员阅读。

《OpenCV 4.0+Python机器学习与计算机视觉实战》详细阐述了机器学习与计算机视觉相关的基本解决方案，主要包括滤镜、深度传感器和手势识别、通过特征匹配和透视变换查找对象、使用运动恢复结构重建3D场景、在OpenCV中使用计算摄影、跟踪视觉上的显著对象、识别交通标志、识别面部表情、对象分类和定位、检测和跟踪对象等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。
本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和