本书主要介绍数据仓库与数据挖掘的基本概念和方法，包括数据预处理、数据仓库与联机分析处理、数据仓库设计与开发、回归分析、关联规则挖掘、分类、聚类、神经网络与深度学习、离群点检测以及文本和时序数据挖掘等内容。 各章力求原理叙述清晰，易于理解，突出理论联系实际， 辅以代码实践与指导，引领读者更好地理解与应用算法，快速迈进数据仓库与数据挖掘领域 。 本书可作为高等学校计算机科学与技术、数据科学与大数据技术等相关专业的教材，也可作为科研人员、工程师和大数据爱好者的参考书。

本书在简要介绍上肢康复机器人技术发展的基础上，对可穿戴式上肢康复机器人结构设计方法进行了深入研究;在机器人结构基础上，对上肢康复机器人运动学、动力学进行分析，并基于运动学分析结果，研究了机器人轨迹规划方法;针对腕关节柔性并联机构支撑弹簧具有侧向弯曲特性，在充分考虑弹簧轴向柔性振动和径向柔性振动以及考虑弹簧轴向位移和柔性振动两种工况下，提出了一种有限转动张量和力与力矩平衡方程相结合的方法，验证了实验机构的合理性和分析方法的正确性;针对脑卒中偏瘫患者的被动康复训练轨迹跟踪问题，提出了一种基于R

本书系统地介绍了PID控制的几种设计方法，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。 全书共18章，包括基本的PID控制、PID控制器的整定、时滞系统的PID控制、基于微分器的PID控制、基于观测器的PID控制、自抗扰控制器及其PID控制、PD鲁棒自适应控制、模糊PD控制和专家PID控制、神经网络PID控制、基于差分进化的PID控制、伺服系统PID控制、迭代学习PID控制、挠性及奇异摄动系统的PD控制、机械手PID控制、飞行器双闭环PD控制、小车倒

本书介绍了利用Process Simulate 进行智能产线的数字化建模及工艺仿真，主要内容包括：数字化工厂规划、数字化工艺仿真与验证、Process Simulate 软件基本操作、机器人仿真模型建立、焊接过程的创建、装配过程的创建、人体模型工具、人机交互仿真，以及单工位机器人、AGV 小车与桁架机器人协同工作、桁架运行、整线仿真等完整的仿真案例。此外，本书还配送了电子资料包，读者扫描书中二维码可观看配套视频，轻松愉悦地进行学习。
本书适合制造型企业数字化产线规划与仿真人员使用，也可作为

《吉布斯分布的局部、动态与快速采样算法》由爱丁堡大学博士后凤维明撰写，内容荣获2021年度CCF优秀博士学位论文奖。全书立足大数据背景下的新问题，从分布式采样和动态采样两个具体问题入手，给出了有理论保障的算法并研究了新模型下采样问题的复杂性。

《吉布斯分布的局部、动态与快速采样算法》共十章，分为四个部分：
第零部分（第1~2章）主要介绍了全书的研究背景、研究问题、研究成果，向读者讲解了全书的结构和章节安排，之后给出了吉布斯分布和采样问题的严格数学定义，介绍全书中经常使用的相关

本书从认知、实施、案例和拓展4个方面深入浅出地分析了RPA（机器人流程自动化）的应用前景以及实践。本书首先介绍了RPA的基本概念和优缺点、RPA相关的工具以及企业选择RPA的原因；其次，说明了企业如何开启RPA之旅、RPA售前咨询、业务流程挖掘、RPA项目交付管理、RPA实施要点、RPA开发规范等实用知识；再次，通过RPA在银行、保险、政务、制造、人力资源、能源、物流服务和证券等领域的应用，帮助读者了解RPA实施方案；最后，阐释了RPA机器人建设方案、IPA相关知识，以及RPA与区块链、人工智能

本书以多格漫画形式掀开大数据的朦胧面纱，带领读者走进数据科学的浩瀚世界。故事讲述了由数据的产生，直至其发展成为大数据这一历程，使读者感受到大数据释放的力量、绽放的价值、迸发的智慧、遭遇的安全之忧。同时，引导读者进一步理解数据的形式与内涵、大数据的概念及特征、人工智能与大数据的关系，加深对数据科学的认知。

Centreon是一款分布式开源监控平台，易于安装、管理，可支持大规模的网络监控。本书基于作者实践经验讲述如何使用Centreon。 全书共15章，大致可分为4部分：第1章和第2章为基础部分，主要介绍分布式监控平台Centreon的主要特征、功能；第3～5章介绍系统部署，用ISO镜像文件部署Centreon及在CentOS上部署Centreon，并在安装好的Centreon上做最简单的主机监控；第6～13章为生产环境监控实践，涉及生产环境的方方面面，是全书的精华；第14章和第15章介绍一些

本书采用“问题描述+解决方案”模式，通过500个案例介绍了使用Pandas进行数据分析和数据处理的技术亮点。全书共分为8章，主要案例包括：读写CSV、Excel、JSON、HTML等格式的数据；根据行标签、列名和行列数字索引筛选和修改数据，使用各种函数根据数据大小、日期范围、正则表达式、lambda表达式、文本类型等多种条件筛选数据；统计NaN（缺失值）的数量、占比，根据规则填充和删除NaN；在DataFrame中增、删、查、改行列数据，计算各种行差、列差、极差以及直接对两个DataFrame进

本书系统介绍了面向人工智能领域中的数据安全、隐私保护技术和工程实践。本书首先探讨了人工智能领域所面临的各种数据安全和隐私保护的问题及其核心需求，并在此基础上纵览和比较了各种隐私保护计算技术和解决方案的利弊；然后详细阐述了目前比较具有工程实践优势的可信执行环境技术，及其在主流人工智能场景中的工程实践参考案例。此外，本书介绍了关于数据安全和隐私保护的概念、原理、框架及产品，从而帮助读者对机密计算的技术全景有整体的理解。