本书主要介绍云计算及其安全关键技术，包括云计算概述、云计算关键技术、云计算安全机制和云计算平台构建四个部分，共18章。部分（第1～3章）概述云计算的发展历程、交付模型、部署模式、关键技术、安全需求等； 第二部分（第4～8章）具体介绍虚拟化技术、存储技术、计算技术、网络技术、平台技术等相关原理和技术； 第三部分（第9～13章）具体介绍虚拟化安全、存储安全、计算安全、网络安全、系统安全等相关方法与技术； 第四部分（第14～18章）结合实例介绍IaaS、PaaS、SaaS云服务构建与安全保护方法

本书是大数据技术普及系列读物之一，主要涉及大数据采集、分布式文件存储和非关系型数据管理等内容。全书共6章，每章一个专题，按照大数据运用流程，从网页和日志文件两种常用的大数据采集方法入手，介绍了分布式文件存储、NoSQL数据库基础理论和4种NoSQL数据库技术。针对特定技术选择了一款最典型的产品进行诠释，先后对Python语言中的Requests和BeautifulSoup包，Hadoop生态中的Flume、HDFS和HBase，以及Redis、MongoDB和Neo4j等产品进行了介绍

本书体现了网络安全保密一体化设计与运用的思想，横向上沿着PDR动态模型，纵向上沿着IATF 动态模型，立体式地组织内容。本书涵盖了通信加密、认证与访问控制、可信计算等基于密码的网络安全机制，以及操作系统安全、防火墙、网闸、入侵检测、网络态势感知、内容安全、网络攻击溯源等通用网络安全机制，同时强调人的因素、管理因素和安全保密体系建设等问题，介绍了业务连续性管理、安全审计与责任认定、信息系统安全工程、网络安全等级保护、信息系统密码应用设计与安全性评估等内容。

《控制系统动力学讲义》涵盖了控制系统的基本概念和基本方法。讲义首先介绍了控制系统常用的基本元件和基本概念、拉普拉斯变换及其逆变换、传递函数及频率特性。接着给出了常系数线性系统分析和设计的解析方法和频域方法，包括稳定性和李雅普诺夫第二方法、特性曲线、米哈依诺夫判据及稳定性区域划分、反馈系统及其镇定，讨论了调节系统的品质指标、校正综合以及根轨迹法及其应用。最后介绍了非线性系统的分析方法包括相空间方法、谐波平衡法，刻画了非线性特性对随动系统的影响。

本书中的任务实施使用 Packet Tracer 6.0虚拟仿真实验平台。全书共设计7个工作任务，主要介绍了虚拟仿真平台Packet Tracer的使用、网络体系结构、物理层协议及通信基础知识、数据链路层的基本功能、网络层功能及工作过程、IPv4编址及网络规划和配置等理论知识和实践技能。

本书总结分析了生物医学传感检测技术在生物力学、生物电、生物化学性状方面的医疗健康应用，优选了有实际应用价值的医疗健康应用场景和生理过程、生物学特征检测对象，形成了“生理参数传感检测装置与系统设计”、“生理信号检测与特征参数分析建模”、“生理参数在线检测与过程控制系统”三个案例模块，每个案例由“案例生物医学工程背景”、“案例生物医学工程实现、“案例应用实施”三部分组成。面向生物医学信息检测应用需求，分别从传感检测的能量/信号变换、适应信号输入输出的调理电路设计，以及满足信息数据输出需求的

本书介绍编译原理理论基础及其实现方法，强调语言的形式化定义、编译技术的各种概念及实现过程的具体方法。介绍过程以算法为核心，力求简单明了反映编译的基础知识。从形式语言理论角度讨论词法分析和语法分析技术。第3版增加了经本书介绍编译理论基础及其实现方法，强调语言的形式化定义、编译技术的各种概念及实现过程的具体方法。介绍过程以算法为核心，力求简单明了地反映编译的基础知识。从形式语言理论角度讨论词法分析和语法分析技术，为计算机软件工作者开发大型软件打下良好基础。
本书以理论联系实际为宗旨，内容

全书共八章，主要论述了计算机理论与应用技术。第一章论述了计算机的分类、特点等以及计算机系统的发展历史和组成。第二章论述了计算机理论。第三章论述了计算机信息安全技术。第四章论述了计算机访问控制技术。第五章论述了计算机虚拟现实技术。第六章论述了计算机视觉技术。第七章论述了计算机网络安全检测技术。第八章论述了计算机技术的应用。

本书每章均给出学习目标和学习重点及课程的思政导学，以商务数据分析流程为脉络，主要介绍Excel与数据处理、数据管理与分析、图表处理、数据分析工具应用以及Excel在人力资源数据处理中的应用、会计数据处理中的应用、税收数据处理与分析中的应用、某平台销售数据管理、生产决策数据处理中的应用等。

模式识别是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程；机器学习是指机器通过统计学算法，对大量历史数据进行学习，进而利用生成的经验模型指导业务的过程。本书介绍模式识别和机器学习技术的主要方面，包括贝叶斯统计决策、概率密度函数的估计、线性分类与回归模型、其他分类方法、无监督学习和聚类、核方法和支持向量机、神经网络和深度学习、特征选择与提取等。本书既重视基础理论和经典方法的介绍，又兼顾前沿知识和最新模型的融入，力图反映该领域的核心知识体系和新发展趋