随着移动互联网技术的飞速发展，网页内容变得更加生动。炫酷的页面交互、跨终端的适配兼容功能，让用户有了更好的上网体验，这些都是基于前端技术实现的。
本书以1+X 《Web前端开发职业技能等级标准》为编写依据，循序渐进地介绍JavaScript开发相关技术。首先深入分析JavaScript的核心知识，然后详细讲解jQuery技术。全书从实战出发，针对每个重要的知识点，设计“最小化”案例，一点一例，由浅入深。本书适合高等职业院校计算机类专业的学生作为Web前端开发相关课程的教材，也可作为培训机构

本书介绍了机器人的基础知识，并通过大量的仿真实例，对机器人机械臂的运动学、动力学、运动轨迹规划、关节控制进行了详细分析，后讨论了机械系统中常用的仿真方法，并附有必要的计算程序和仿真流程。
本书中部分仿真实例给出了演示视频，读者可扫描二维码观看。
本书内容精炼，由浅入深，实例丰富，注重理论与实际相结合。本书可作为普通高等院校机械、自动化、人工智能等相关专业的教材，也可供从事机器人研究、开发和应用的科学技术人员参考。

本教材按照教育部新的职业教育教学改革要求，以常见的焊接、搬运、打磨、上下料等典型机器人工作站和智能生产线为载体，按照典型机器人工作站的系统组成单元，从工作站的机械部分、电气部分、传感及辅助部分，介绍工业机器人、常见通用零件、气动系统、传感系统、通信系统故障诊断与维护的方法、步骤和技巧，同时融入常见机电系统中机械、电气、液压、电气系统故障诊断内容。在工业机器人故障诊断与维护中，包含了目前市场上的ABB、FAUNC、ESTUN等品牌机器人，有效降低了各院校因实训设备差异对教学的影响。

本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。
全书分为 4 篇，共 19 章：微积分篇（第 1～5 章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第 6～10 章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统计篇（第 11～17 章），主要介绍概率、随机变量、数字特征、相关分

本书介绍数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况，讲述常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书还从实际应用出发，讲解基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。
通过本书的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。

近年来，虚拟现实（包括AR、VR、MR）已经逐渐成为数字化浪潮中的主流技术，随着元宇宙概念与产业的兴起，虚拟现实更是迅速聚焦了人们更多的目光。本书与时俱进地对AR、VR应用的设计与开发进行了介绍与讲解，其中也少量涉及MR应用。
本书分为三篇，共14章，主要包括以下内容：虚拟现实技术、行业概述；Unity软件的基本用法；Unity C#编程开发详解；AR技术原理与设计技巧；基于Vuforia SDK的AR应用开发、AR交互应用开发实例；面向HoloLens2的MR开发基础、开发实践；VR

本书的主要内容包括三个部分：第一部分主要介绍Python的基础知识，第二部分介绍了Python常用的第三方数据库，第三部分是Python的综合案例应用。

本教材的整体目标是以案例为载体，介绍JSP＋Servlet＋JavaBean的开发体系，使学生掌握JSP技术，了解网站规划和建立的过程，使学生能够胜任JavaWeb程序员的工作岗位，并为从事更专业化的软件开发工作奠定基础。为了实现教学目标，重构课程知识和技能体系，本教材由浅入深，优化出JSP开发环境搭建、JSP基本语法训练、服务器交互(JSP内置对象)、JavaBean、JDBC数据库操作、Servlet技术应用和实用组件应用等七个模块作为教学内容，以真实案例整合JavaWeb程序员所

本书是一本关于数据处理与误差分析的实用手册。全书主要介绍了实验数据的表示以及实验误差和不准确性的重要概念和方法，包括引言、物理量及其不准确性的表示、误差的分类和传递、概率分布、实验数据处理、数据及其误差的图形处理、数据的拟合函数以及回归贝叶斯分析，侧重于如何在实验数据给定的条件下确定理论中的参数值和不准确性的估计。同时，为满足读者的进一步需求，本书在附录部分给出了背景资料和部分理论推导。全书内容结合了图形、应用实例和计算机程序，能使读者快速掌握科学数据的正确表示、处理和不确定性分析，涵盖了实验的

本书是机器学习领域的入门教材，详细阐述了机器学习的基本理论和方法。全书由12 章组成，包括绪论、线性模型与逻辑斯谛回归、决策树、贝叶斯分类器、k 近邻算法、支持向量机、人工神经网络、线性判别分析、主成分分析法、聚类、EM 算法与高斯混合聚类、集成学习等。 对每一种机器学习算法，均从算法原理的理论推导和MATLAB 实现两方面进行介绍。本书既注意保持理论分析的严谨性, 又注重机器学习算法的实用性，同时强调机器学习算法的思想和原理在计算机上的实现。全书内容选材恰当，系统性强，行文通俗流畅，具有较强的