本书围绕典型的数据挖掘任务,介绍基本概念、基本理论和经典算法,融入该领域的最新进展,并结合实际案例介绍如何开展数据挖掘实践应用。全书共9章,第1章对数据挖掘进行概述,第2章介绍数据准备相关知识,第3章和第4章介绍分类的多种技术,包括决策树、规则归纳、朴素贝叶斯,以及神经网络、支持向量机、集成学习等,第5章介绍回归分析,

本书共7章,内容层层递进。第1章介绍计算机软硬件环境,并讲解本书涉及的主要工具及基础汇编知识,为深入学习奠定基础;第2章解析基础语法,通过简单示例揭示底层运作机制,让读者逐步适应本书的节奏;第3章深入探讨函数的工作原理及实现细节,从CPU和操作系统的角度剖析其运行规律,帮助读者建立对计算机程序执行的整体认知;第4章专题

本书共分为8章,内容包括人工智能概述、Python编程语言初探、数据挖掘基础、初识机器学习、神经网络的起源、经典人工智能算法、我国人工智能开放平台、大语言模型--从ChatGPT到DeepSeek。

本书包含了计算机网络基础、网络互连与互联网、网络规划与设计、网络资源设备、网络安全、标准化和网络安全法规、网络规划案例、网络故障分析与处理案例、网络安全部署案例及网络规划与设计论文等内容。

本书包括9个项目,项目1-7分别讲解操作系统的使用、WPS文字处理、WPS表格的应用、WPS演示文稿的制作、信息检索、新一代信息技术概述、信息素养与社会责任,项目8讲解WPSOffice组件功能应用及WPSAI应用,项目9讲解人工智能基础知识,附录提供了全国计算机等级考试“计算机基础及WPSOffice应用”(一级)、

本书以Python为核心技术工具,全面而系统地介绍了健康大数据分析与挖掘的基础理论、技术方法,共分7章,涵盖健康大数据基本概念、数据采集和预处理、数据分析与挖掘、数据可视化及综合案例等内容。

本书全面介绍面向对象分析设计与建模,共分为三部分。第一部分是概论,介绍面向对象分析设计与建模技术的概念和内涵,软件模型的概念和内容。第二部分介绍UML的知识。第三部分是第3-7章,结合一个工程案例介绍软件的业务分析与建模、需求分析与建模、系统分析与建模、软件架构设计与建模,以及软件详细设计与建模。

本书共分为9章,首先回顾了人工智能的概念、发展历程及研究方法;其次详细阐述了神经网络、深度学习、强化学习、群智能算法、搜索算法、不确定性推理等方法的基本原理与实例分析;最后介绍了监督学习、无监督学习和半监督学习等机器学习领域的内容,包括k近邻法、朴素贝叶斯法、决策树、线性回归与逻辑斯蒂回归等经典算法,以及聚类算法、降维

本书以CiscoPacketTracer软件为实验平台,针对教材内容设计了大量帮助读者理解、掌握教材内容的实验,给出了典型物联网应用系统的设计和实施过程。

本书从基本概念出发,逐步深入具体算法的应用与实现,帮助读者建立全面的知识体系。书中详细讲解了数据分析与可视化工具的使用方法,通过经典数据集展示数据预处理、特征工程及模型训练的过程。涵盖监督学习、非监督学习等多种任务的经典算法,包括决策树、支持向量机和文本聚类等,每种算法均配有详细的Python代码示例,确保理论与实践相