机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。本书共6章。第1章节主要介绍机器学习的基本概念及其发展史、机器学习分类、常见机器学习算法及其特点；第2章搭建机器学习开发环境，主要包括anaconda\pycharm\python软件的安装及使用，以及常见机器学习库的介绍和安装使

本书从“微机原理”与“单片机原理”两门课程的共性出发，结合当前高校微处理器教学趋势和学生的学习兴趣及掌握的难易程度，将这两门课程的教学内容进行合并。本书从介绍微处理器的基本结构和工作原理入手，简单介绍Intel 8086微处理器的基本知识，侧重介绍当前高校重点讲授的51单片机的相关知识。全书共10章，主要包括：微处理器技术简介、8086微处理器及其体系结构、单片机的基本结构、单片机C51语言基础知识简介、微处理器控制系统的人机交互接口设计、微处理器中断系统及定时/计数器应用设计、微处理器控制系统

本书从基本原理、电路设计和案例应用三个层次，全面、系统地介绍芯片攻击与安全防护的相关知识，全书共10章，其中第1章为绪论，第2～4章介绍侧信道攻击与防护、故障攻击与防护和侵入式及半侵入式攻击与防护，第5章介绍硬件木马攻击与防护，第6章介绍物理不可克隆函数，第7～9章分别介绍IP核安全防护、处理器安全防护、存储器安全防护，第10章介绍芯片测试与安全防护。全书内容翔实、概念讲解深入浅出、案例应用丰富，各章末尾均列有参考文献以供读者进一步深入学习。本书提供配套的电子课件PPT。本书可以作为普通高等院校

本书主要介绍.NET框架的核心部分，不仅阐述了框架的核心设计，还展示了实践代码和运行效果，同时根据不同的功能模块扩展出属于自己的小组件。通过阅读本书，读者可以深入了解.NET框架的核心设计，掌握.NET性能调优和ASP.NET Core的部署方式。本书包含18章。第1～3章主要介绍.NET框架、开发环境和运行模式。第4～12章主要介绍依赖注入、配置与选项、后台任务、中间件、缓存、本地化、健康检查、文件系统和日志等常用功能模块。第13～17章主要介绍线程、线程同步、内存管理、诊断和调试，以及

本书是一本用于虚拟现实基础知识和常见应用开发教学的通识类书籍，来源于校企合作的VR课程建设，包含大量的案例。全书采用案例辅助知识要点解析的模式，各开发实操章节均配备相关的应用案例用于课程教学辅助，内容从VR概念到主流硬件平台，从硬件到核心开发软件，再到两种市面主流项目开发关键技术的分解与详细解析，集知识理论和技能实践于一体。读者可以边学边做，实现自主开发VR项目的目标。本书为新形态教材，提供扩展阅读和教学视频，读者可以扫描相应的二维码来获取。本书可以作为高等学校数字媒体、计算机、虚拟现实及动漫制

本书从实际需求出发，全面细致地介绍了JDK高并发编程的基础知识、核心工具和线程池核心技术。通过阅读和学习本书，读者可以对JDK高并发编程有更加全面、深入、透彻的理解，提高对高并发编程问题的处理能力和项目实战能力，并提高站在更高层面解决高并发编程系统架构问题的能力。

本书是《疯狂Java讲义》的第6版的下册，第6版保持了前5版系统、全面、讲解浅显、细致的特性，全面新增介绍了Java 12到Java 17的新特性。《疯狂Java讲义（第6版）深入介绍了Java编程的相关方面，上、下册内容覆盖了Java的基本语法结构、Java的面向对象特征、Java集合框架体系、Java泛型、异常处理、Java GUI编程、JDBC数据库编程、Java注释、Java的IO流体系、Java多线程编程、Java网络通信编程和Java反射机制，覆盖了java.lang、java

本书第1版于2020年11月出版发行后大获成功，Python及NetDevOps技术在国内计算机网络圈子里迅速走红，国内与NetDevOps相关的技术文章在网络上如雨后春笋般大量涌现，行业里也出现了很多要求掌握NetDevOps技术的网络工程师职位，并且需求越来越多，NetDevOps是“下一代网络工程师”必须掌握的技能已经成为既定且不可逆的事实。以Python为主的NetDevOps技术知识更迭很快，第2版将在第1版的基础上添加TextFSM详解、Netmiko详解、Nornir详解、NETC

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。数据化分析是运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。本书主要介绍了数据分析的9 种思维、7 种工具、学习方法、基本方法、展现方法、制作数据分析报告的方法，以及数据分析的思维模型。本书适合所有对数据分析感兴趣的读者阅读，特别是在工作或生活中需要经常跟数据接触的人，如数据分析师、产品经理、运营人员、管理人员、财务人员等。

本书的主体内容包括机器学习概念与特征工程、机器学习技术、模型关系管理，其中，模型关系管理部分主要介绍了弱集成学习、强集成学习和混合专家模型。弱集成学习是指使用机器学习中的弱分类器实现模型准确度和稳定性之间的平衡。强集成学习是指协同特征工程与强分类器形成强集成学习环境。混合专家模型是指通过神经网络集成和网络结构设计形成深度学习框架。本书以案例分析为主线介绍不同的集成学习方法，首先阐述弱集成学习如何解决项目痛点问题，然后以痛点为起点，集中讨论强集成学习如何解构子项目问题，最后通过深度学习分析非