本书利用丰富实例，重在加强学生工程背景，培养学生的创新能力和工程实践能力，为帮助读者理解掌握各章内容，书中有针对性地设有一定量的基本算法的实现，再以“项目导入、项目启发”的思想设计课程设计，从而达到灵活应用的目标。本书注重理论联系实践，以培养学生应用能力为主要目标，具有以下特点：（1）实验题目丰富，结合典型算法、注重理论联系实践，以培养学生应用能力为主要目标；（2）课程设计用于解决实际问题，突出构造性思维训练特征。

主要内容包括实验指导和课程设计两部分，实验指导包括10余个实验项目

本书针对物联网通信过程，将通信技术分为4个环节: 接触环节、末端网环节、接入网环节和互联网环节。全书共7部分33章。第1部分（第1～3章）为物联网通信引论；第2部分（第4～6章）介绍接触环节的通信技术；第3～5部分（第7～23章）是本书的核心，介绍末端网通信技术，包括有线通信技术、无线通信底层技术和无线Ad Hoc网络通信技术;第6部分（第24～30章）介绍接入网通信技术;第7部分（第31～33章）介绍互联网相关技术。本书从物联网的角度介绍通信技术，有丰富的应用案例。本书对物联网通信4个环节的划

本书介绍人工智能的基础理论、技术及应用。全书共9章,主要内容包括人工智能概述、知识表示与知识图谱、搜索策略、机器学习、人工神经网络、典型卷积神经网络、智能图像处理、机器学习开发框架、机器学习项目剖析。本书强调理论联系实际，既深入浅出地介绍了人工智能领域的基础知识和实用技术，又详细介绍了两个机器学习开发框架： PyTorch和百度公司研发的PaddlePaddle（飞桨），并带领读者逐步剖析在飞桨平台上实现的项目案例。案例的代码清晰，易于理解，读者可快速提高采用机器学习方法解决实际问题的实践

本书共包括36章，对信号与系统的主要内容进行了串讲，并主要以中国科学技术大学近20年信号与系统全部考研真题的详细解答为例，说明如何运用基础理论分析和解决问题。

移动机器人是智能机器人的重要形态之一，在各行各业都有广泛的应用前景。机器人操作系统（ROS）是无人驾驶领域所涉及的关键技术平台。本书内容将围绕移动机器人展开，首先讲解ROS的基本原理和开发方法，然后介绍智能移动机器人的控制原理与传感器应用，接下来通过丰富的案例讲解机器人视觉处理、建图导航、语音交互等核心应用的开发方法，最后通过自动驾驶场景下的综合实践提高移动机器人的开发者综合应用的开发能力，做到融会贯通。

本书系统介绍了Spark大数据处理框架以及相应的主流开发语言Scala。全书共14章,内容包括Scala基本概念和基本用法，Scala字符串和数组，Scala控制结构，Scala列表、元组、集合和映射，Scala函数，Scala面向对象编程，Spark大数据处理框架、Spark RDD编程，Windows环境下的Spark综合编程，用Spark SQL处理结构化数据，Spark Streaming流处理，Spark Structured Streaming流处理，Spark GraphX图计算，

本书是Power Query领域的经典之作，旨在让读者用正确而高效的方法精通Power Query。本书是两位作者多年积累的业务和IT工作经验总结，同时也是全球Power Query顶级社群的大咖经验提炼。本书从业务背景出发，在业务和IT之间做到了良好的平衡，系统化地给出了Power Query的思维框架和模式，同时按照多个企业级业务场景一一展示其实用性。

无论你是Power Query的新手还是经验丰富的ETL专家，都可以从各自的角度领略Power Query 和M语言的魅

《Python办公自动化从入门到精通》讲解如何使用Python技术实现自动化办公。 《Python办公自动化从入门到精通》分为两大部分，共19章。第1部分为基础语法，即从基础入门开始介绍Python语言的基础语法知识，内容对应第1章～第6章，包括初识Python、Python语法元素、程序控制语句、组合数据类型、函数、类。第2部分为高阶办公，即使用Python语言实现办公操作，内容对应第7章～第19章，包括操作文件、库、操作文件夹、操作Excel文件、操作Word文件、操作PPT文件、操作PDF

本书以项目实践作为主线，结合必需的理论知识，以任务的形式进行内容设计，每个任务都包含任务描述及任务实施的步骤，读者按照实施步骤进行操作就可以完成相应的学习任务，从而不断提升项目实践能力。本书主要内容涉及机器学习的基础知识，模型评估与选择，回归、分类、聚类等机器学习算法，数据挖掘的基础知识，数据分析与应用，以及通过用户行为分析预测项目学习如何将机器学习与数据挖掘应用到实际中。 本书适合使用机器学习与数据挖掘技术进行大数据处理的程序员、架构师和产品经理作为技术参考和培训资料，也可作为高校本科生和研究

本书系统介绍了众包学习的概念、应用领域、前沿课题和研究实践。在基础知识方面，本书介绍了众包的起源与发展、众包技术的研究方向，分析众包模式给机器学习带来的机遇与挑战。在前沿技术方面，本书详细阐述了众包标注真值推断与面向众包标注数据的预测模型学习等前沿研究课题。在研究实践方面，本书介绍了面向偏置标注的众包标签真值推断、基于机器学习模型的众包标签噪声处理、众包标签利用方法与集成学习模型、基于不确定性度量的众包主动学习等典型研究案例。