《机器学习原理及应用》从机器学习原理和应用出发，结合案例介绍了机器学习的基础技术和典型模型算法，包括机器学习的基础、特征选择与降维、典型学习算法、深度学习与神经网络、集成学习与迁移学习、强化学习、计算机视觉与语音识别等技术；详细介绍了机器学习典型模型算法及神经网络学习、计算机视觉和语音识别技术应用，并以实例介绍了应用场景需求、特征表示、深度神经网络设计、预训练模型及预测应用的开发方法和开发过程。
每个案例配有源码，每章配有习题，帮助读者进行深入学习。
《机器学习原理及应

本书全面系统地介绍了数据库的核心技术与应用实践。书中首先概述了数据库的基本概念和体系结构，为初学者提供了扎实的理论基础。随后，深入剖析了SQL语言的使用、数据类型的选择以及查询优化等关键技术，帮助读者提升数据库操作效率。
此外，本书还重点介绍了数据库的高级特性，例如，存储过程、触发器和数据安全等，为读者提供了实现数据库安全防护、性能优化的实用方案。同时，结合丰富的实战案例，展示了数据库在数据处理、分析与应用方面的强大能力，为读者提供了宝贵的经验借鉴。
本书既可作为高等职业教育本科计算

本书介绍人工智能的基础知识和实践方法，包括人工智能概述、机器学习概述、KNN分类算法、Kmeans聚类算法、回归算法、决策树算法、深度学习、计算机视觉、自然语言处理和人工智能前沿技术等内容，并设计大量应用案例对算法进行解析。

本书基于MATLAB 2022a版本，详细介绍了MATLAB的基础知识、数值计算、符号运算、图形处理、程序设计、Simulink仿真等内容。为配合教学，使读者更加便利地使用本教材，各章编写了教学提示、教学要求和习题，书后附有上机实验指导，随书附赠示例代码或操作指令的相关文件、习题解答、PPT等电子资源。 本书以适用和实用为基本目标，深入浅出，实例引导，讲解翔实，便于自学，可以作为高等学校的教学用书，也可供有关科研和工程技术人员参考使用。

本书从实践出发，全面介绍Python数据可视化的基础知识及实践技能，全书分为3篇，分别是数据可视化基础知识、Python数据可视化技术、综合数据可视化案例。数据可视化基础知识部分包括第1-3章，主要介绍数据可视化的基础理论，包括概念、发展历程、流程、设计工具和原则，随后深入探讨各种Python数据可视化库，如Matplotlib、Seaborn、Plotly等，以及Python的数据读取与处理。Python数据可视化技术部分包括第4-8章，主要介绍不同类型数据的可视化方法，包括时间数据

在信息化和数字化飞速发展的今天，数据安全已成为企业运营的核心议题，数据作为生产要素在大规模的流动和使用过程中面临着新的挑战，区块链、人工智能技术的发展为数据安全防护提供了新的解决思路和方法。本书从数据安全的基本概念入手，深入分析了国内外数据安全形势，探讨了数据资产的生命周期安全管理，以及数据安全的关键技术手段，同时强调了数据安全的组织管理与政策法规的重要性。此外，书中还详细阐述了数据安全的应急响应与灾难恢复策略，并通过实战案例分析，提炼出数据安全防护的优秀实践，旨在为读者提供一套完整的数据安全防

本书为ROS智能机器人控制理实一体化教学配套实践教材，主要面向新型工业化时期智能及高端装备制造领域，结合新工科复合型专业技术人才综合能力培养的教学诉求，并融入作者10余载对基于ROS(RobotOperatingSystem，机器人操作系统)的移动机器人开发实践及教学经验编写。教材包含十个实验，从对移动机器人系统的基本认知开始，逐步深入到基于ROS的各类实践应用，整体遵循由浅入深、由基础到应用的逻辑顺序。具体而言，包括机器人的基本组成、工作原理、ROS的基本操作和编程方法、读取传感器数

公共数据资产授权运营是数字经济时代推动经济高质量发展的引擎。公共数据开放共享和合理授权运营，能够为政府决策提供支持，为企业创新提供动力，为公共服务提供优化方案。本书根据近几年中央和各地政府出台的法律法规和规范性文件，通过深入研究和实地调研各地公共数据资产的授权运营实践，采用理论与实践相结合的研究方法，全面系统地探讨了公共数据资产授权运营的多个关键维度。书中不仅详细阐释了公共数据资产授权运营的基本概念和理论框架，还深入分析了运营环境的构建、运营过程的管理、运营模式的选择以及运营效果的评价等多个层面

本书是智能机器人ROS控制理实一体化教学的配套理论教材，主要面向新型工业化时期智能及高端装备制造领域，结合新工科复合型专业技术人才综合能力培养的教学诉求，并融入作者十余载对基于ROS的移动机器人开发实践及教学经验编写而成。
全书共12章，讲解有关基础编程、运动模态、机械臂控制、SLAM地图构建、自主导航等多种功能原理与实践应用，并配有图表、代码、参数设置等多种信息，帮助读者在实现ROS核心功能的同时深入了解基于ROS系统的移动机器人开发。各章下设学习目标、学习导图、知识讲解、本章小结和知识

本书是高等院校网络空间安全、人工智能、计算机等专业的普及性教材，以帮助学生全面了解人工智能安全知识并进行实践。全书共16章，分别为人工智能安全概述、生成对抗网络的安全应用、卷积神经网络的安全应用、对抗样本生成算法的安全应用、随机森林算法的安全应用、贝叶斯和SVM分类算法的安全应用、长短期记忆网络的安全应用、梯度下降算法的安全应用、深度伪造原理与安全应用、成员推理攻击原理与实践、属性推理攻击原理与实践、模型公平性检测及提升原理与实践、水印去除原理与实践、语音合成原理与实践、视频分析原理与实践