本书通过Excel示例介绍常用的机器学习算法和数据挖掘技术。许多机器学习任务的目的是找到数据中的隐藏模式。Excel能够清楚地展示机器学习建模过程的每一步及中间结果，让你不仅知其然，还知其所以然。第1章解释用Excel学习机器学习的益处。第2～12章分别介绍线性回归、k均值聚类、线性判别分析、交叉验证、logistic回归、k最近邻、朴素贝叶斯分类、决策树、关联分析、神经网络、文本挖掘。第13章总结全书内容，并为读者指出继续学习的方向。

本书是“孩子们的编程书”系列里的《Scratch编程入门：无人车》分册。本系列图书共分6级，每级两个分册，书中内容结合孩子的学习特点，从编程思维启蒙开始，逐渐过渡到Scratch图形化编程，最后到Python编程，通过简单有趣的案例，循序渐进地培养和提升孩子的数学思维和编程思维。本系列图书内容注重编程思维与多学科融合，旨在通过探究场景式软件、游戏开发应用，全面提升孩子分析问题、解决问题的能力，并可以养成良好的学习习惯，提高自身的学习能力。
《Scratch编程入门：无人车》基于大疆机甲大师

这是一本讲述如何用NLP技术进行文本内容理解的著作，也是一本系统讲解NLP算法的著作，是作者在NLP和内容理解领域多年经验的总结。
本书结合内容理解的实际业务场景，系统全面、循序渐进地讲解了各种NLP算法以及如何用这些算法高效地解决内容理解方面的难题，主要包括如下几个方面的内容：
（1）文本特征表示
文本特征表示是NLP的基石，也是内容理解的基础环节，本书详细讲解了离散型表示方法和分布型表示方法等特征表示方法及其应用场景，还讲解了词向量的评判标准。

本书讲解如何用单元测试引领开发工作, 以解决业务领域中的复杂问题。本书把需求划分成多个比较小的功能, 并分别予以实现。无论采用哪种编程语言与编程框架, 你都可以把书里的知识运用到日常的编程工作之中。本书包含下列内容: 用 TDD 把业务领域中的复杂问题划分成多个小的功能, 并分别予以实现; 如何在各种编程语言里面, 用各种测试框架来做测试驱动开发 (TDD)。

MySQL是目前比较流行的关系型数据库管理系统之一，由于其具有开放源码的特点而深受用户喜爱。本书采用项目驱动的方式，详细讲述了MySQL的相关概念与应用。本书分为8个项目，共有29个任务，包括学生体能健康数据库设计、MySQL数据库相关知识、创建学生体能健康数据库、创建学生体能健康数据库中的表、学生体能健康数据库表数据的操作、程序化操作学生体能健康数据库的表数据、学生体能健康数据库的安全管理以及多种方式实现可视化操作学生体能健康数据库。
本书既可以作为高等学校计算机专业的教材，也可以作为计

这是一本能让你脑洞大开的渗透测试类著作，不仅能让你零基础快速掌握渗透测试的思维能力、知识体系和动手能力，并成功拿下30种各式配置的目标主机；还能让你深入理解网络安全攻防实战场景中的各种渗透测试难题的技术原理、漏洞线索和攻防措施。
全书从逻辑上分为三个部分：
第 一部分 准备篇（第1章）
全面介绍了主机环境的搭建、常见工具的使用以及常见问题的求助渠道，让读者能快速做好实战前的准备。
第二部分 基础实战篇（第2-3章）
手把手教读者如何一步步拿

本书以Python编程语言为载体，以微课为媒介，从基本编程应用到综合项目设计逐级推进、衍化，通过221个实例详细介绍了Python编程语言的基础知识和语法操作规范，同时还剖析了18个综合应用案例，从而培养读者解决人工智能应用问题的编程能力，完成Python算法库的建构与应用，最终用程序来模拟或实现人类的学习行为。
本书可以作为高职院校计算机类、自动化类、电子信息类、数字经济类等专业Python编程课程的参考教材，也可作为广大Python编程语言爱好者自学的参考书。

本书介绍龙芯1B（LS1B）芯片的原理与应用开发，以培养读者的动手能力和增强读者的工程素养为目标，按照项目驱动的思路展开知识的讲解和实践操作。本书基于LS1B开发套件，讲解LS1B的结构及原理，还介绍进行嵌入式系统开发需掌握的GPIO、UART等外设的基本原理与常用库函数，以及国产物联网操作系统RT-Thread的原理及应用开发。最后通过一个综合设计——基于物联网的智慧路灯，让读者熟悉嵌入式系统设计流程。

《UGC质量实时预判机制研究》融合用户研究、行为科学、信息质量、大数据分析等相关理论和方法，深入探讨社交网络用户参与行为及其对UGC质量的影响，通过挖掘“用户行为-UGC质量”关联，把基于内容和基于行为的方法结合起来，建立了多种基于用户行为挖掘的UGC质量实时预判模型，为UGC

本书介绍网络社区发现与搜索方法，包括经典方法与前沿方法。全书共7章，按内容可分为四部分，分别是基础知识、社区发现方法、社区搜索方法及总结与展望。第一部分包括第1、2章，主要介绍社区发现与社区搜索的基础知识。第二部分包括第3、4章，其中，第3章介绍经典社区发现方法，主要包括基于模块度优化的社区发现方法、基于聚类的社区发现方法及其他社区发现方法；第4章详细介绍基于深度学习的社区发现方法。第三部分包括第5、6章，介绍拓扑图上的社区搜索方法和属性图上的社区搜索方法。第四部分为第7章，介绍社区发现与社区搜