本书是关于C++程序设计的经典教材，中文版分为基础篇和进阶篇，主要介绍程序设计基础、面向对象程序设计和数据结构。本书采用“基础优先，问题驱动”的教学方式，在设计自定义类之前介绍基本的编程概念和技术，同时侧重于解决问题而非语法，通过不同领域的示例说明相关概念。本书引导读者循序渐进地学习，从基本的编程技术到面向对象编程，从

本书主要介绍数据可视化分析相关知识，所使用的工具为Tableau。本书基于以多个实际案例为背景的具体数据，介绍了常用的商务数据分析图形的制作，以及如何利用图形获得分析数据，得出结论。读者通过本书可以掌握数据可视化分析理论，并且能够制作可视化分析图表，基于图表获得分析结论，从而为企业经营提供指引。

本书包含9章内容，第1章绪论介绍机器人的基本组成、分类、发展历程和应用，以及机器人机构创新设计的研究内容。第2章和第3章介绍机器人学研究涉及的数学基础，并根据机器人机构创新设计的流程重点介绍有限-瞬时旋量数学框架。第4章至第8章涵盖串联、并联机器人机构设计的全部环节，包括机构构型综合、运动学建模、静力学建模、动力学建模

本书是一本精简的神经网络入门教程，用通俗易懂的语言讲解神经网络的相关知识。本书共6章，第1章对神经网络领域进行概述，包括其历史和应用；第2章深入探讨神经元的数学模型，包括其输入、权值、偏置和激活函数；第3章介绍感知机的概念，讨论感知机的结构，并解释如何用它来解决简单的分类问题；第4章介绍多层感知机的概念，讲述如何使用前

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书

机器学习是人工智能的核心领域之一，本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。本书分为两个部分：第一部分习题对应《机器学习》第1-10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含

本书弥补了纯数学书籍和机器学习书籍存在的单一性问题，介绍了理解机器学习所需的必备数学概念，例如线性代数、解析几何、矩阵分解、向量微积分、优化、概率和统计，并使用这些概念推导出了四种核心机器学习方法：线性回归、主成分分析、高斯混合模型和支持向量机。本书每一章都包括一些例子，大部分章还配有习题，以方便读者测试对所学知识的理

本书以提高学生数字化素养、提升人工智能通识教育质量为目标，引入生活中与人工智能相关的真实案例，进行基于成果导向的结构设计，将深奥复杂的人工智能知识体系化、模块化、生活化，深入浅出，通过贴近生活的小案例、微任务进行引导式学习。书中包含人工智能、机器学习、物联网、大数据等技术模块和人工智能在生活、教学、消防等领域的应用模块

本书是为高等学校电子类、电气类、自动化类及相关专业编写的模拟电子技术实验教材。全书分为三篇：第一篇绪论。第二篇基础实验，介绍了10个模拟电子技术经典基础实验，每个实验均包括验证性实验、设计性实验和探究性实验三部分。其中方案1侧重验证性实验，方案2侧重在方案1的基础上完成设计性实验；探究性实验包括理论探究和实验探究两部分

本书从初学者的角度出发，介绍了EDA技术和CPLD/FPGA的基础知识、EDA工具软件QuartusⅡ的使用方法、硬件描述语言VHDL的语法规则等内容，针对EDA技术的特点，通过设计数据比较器、数据运算器、数据编码器、计数器、点阵广告牌和信号发生器等典型电路，以及相关数字系统设计实训，从入门、熟练、应用和发展4个层次来