《深入浅出数据分析》以类似"章回小说”的活泼形式，生动地向读者展现出色的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具

本书主要介绍JavaEE主流开源框架，内容包括Spring、SpringMVC、MyBatis三大开源框架的架构原理、典型应用场景实现、案例代码解析等，最后通过一个综合案例应用这三个框架。本书通过无框架和使用框架的对比实现及详细的代码展示，帮助读者深入理解框架的优势和各框架间的联系。本书适合作为职业院校计算机类专业的教

本书是针对零基础读者编写的动态网站开发入门教材，循序渐进地介绍了JavaScript开发技术。依据Web前端开发岗位的职业能力要求，本书重点介绍了JavaScript的核心技术，并在此基础上详细讲解了jQuery框架的使用方法。本书使用热点案例，可以让初学者快速掌握动态网站开发技术。通过扫描二维码，读者可以进行课堂训练

本书围绕Hadoop大数据平台及其生态系统组件的部署与运维，采用“任务驱动＋知识准备＋任务实施＋考核评价＂的项目化模式组织各单元的内容。全书分为11个单元，主要内容包括大数据简介、Hadoop伪分布式安装部署、Hadoop集群部署与监控、HDFS分布式存储、使用MapReduce实现电商销售数据的统计、Hadoop高可

本书是机器学习领域的入门教材，详细阐述了机器学习的基本理论和方法。全书由12章组成，包括绪论、线性模型与逻辑斯谛回归、决策树、贝叶斯分类器、k近邻算法、支持向量机、人工神经网络、线性判别分析、主成分分析法、聚类、EM算法与高斯混合聚类、集成学习等。对每一种机器学习算法，均从算法原理的理论推导和MATLAB实现两方面进行

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

本书全面讲述人工智能算法的理论基础和案例编程实现。第1章简要介绍机器学习的发展及其应用。第2章和第3章主要介绍机器学习经典分类算法、聚类算法、集成算法和随机森林算法，以及这些算法的具体内容、算法原理和案例编程实现。第4章介绍了深度学习的概念、原理、研究现状，以及典型的神经网络及其相关网络的案例编程实现。第5章介绍了强化

本书是一本关于数据处理与误差分析的实用手册。全书主要介绍了实验数据的表示以及实验误差和不准确性的重要概念和方法，包括引言、物理量及其不准确性的表示、误差的分类和传递、概率分布、实验数据处理、数据及其误差的图形处理、数据的拟合函数以及回归贝叶斯分析，侧重于如何在实验数据给定的条件下确定理论中的参数值和不准确性的估计。同时

本书为1+X职业技能等级证书（机器视觉系统应用）配套教材之一。本书从机器视觉系统软硬件安装与检测、视觉工具应用、系统集成项目调试与运行等方面介绍了机器视觉系统相关的理论知识和技能实操，以机器视觉系统应用实训平台（初级）为载体，介绍了PLC、机器人、机器视觉等多种技术，涵盖了药盒条码识别、手机尺寸测量、电子芯片引脚缺陷检

大约在一百年前，电气化改变了交通运输行业、制造业、医疗行业、通信行业，如今AI带来了同样巨大的改变。AI的各个分支中发展为迅速的方向之一就是深度学习。本书主要涉及以下内容：第1部分是神经网络的基础，学习如何建立神经网络，以及如何在数据上面训练它们。第2部分进行深度学习方面的实践，学习如何构建神经网络与超参数调试、正则化