本书共分为七章，第一章简要介绍了数控机床的组成、工作原理、分类和发展及其水平。第二章分析了插补原理，并介绍了典型的插补方法。第三章讲述了计算机数控系统的硬件和软件，分别介绍了计算机数控系统的硬件的组成和功能和软件的结构和功能。第四章分析了数控位置检测装置，按照工作原理的不同分别对各种数控位置检测装置进行了分析。第五章分析了数控伺服系统，对数控伺服系统的类型、伺服电机及调速、现代典型数控伺服系统进行了详细介绍。第六章讲述了数控手工编程。第七章讲述了自动编程及CAXA软件使用方法。

数控技术是采用计算机实现数控加工程序控制的技术。近年来随着计算机等技术的发展, 数控技术已经广泛应用于工业控制的各个领域, 尤其是机械制造领域, 成为我国实现中国制造2025战略的一个关键技术。社会对数控人才的需求也急剧增长, 因此加强数控人才培养不但是能满足社会需求, 也能为我国数控技术的提高产生重要作用。本书基于目前常用的数控技术及相应的设备, 设计和规划实习内容, 力求能通过一个综合性的实习题目, 让学生能进一步学习和加深对数控技术的了解和掌握, 见识数控技术在机械制造领域的应用

本书将以python软件为工具，以统计理论与方法为重点，结合实际应用案例，深入浅出地介绍了数据挖掘基础算法的背景、原理及实现。全书共9章，第1章为绪论，内容包括数据挖掘的基本概念、数据挖掘与统计学的关系、数据挖掘的实现流程、数据挖掘的方法、数据挖掘的典型应用、数据挖掘的工具及软件；第2-7章介绍数据挖掘中的经典多元统计方法，包括回归分析、判别分析、聚类分析、主成分分析与典型相关分析、因子分析与对应分析、多维尺度分析；第8-9章介绍数据挖掘的基本算法：关联分析、异常分析；在每章的最后一节

本书主要根据作者近几年在清华大学面向研究生和本科生开设的数据挖掘：方法与应用课程的教学实践与积累，参考近几年国外著名大学相关课程的教学体系编写而成。本书系统地介绍数据挖掘的基本概念和基本原理方法；结合一些典型的应用实例展示用数据挖掘的思维方法求解问题的一般性模式与思路。 本书可作为有一定数据结构、数据库和程序设计基础的研究生或本科生开展数据挖掘知识学习和研究的入门性教材与参考读物。

本书分为5篇，包括11章和3个附录。大数据基础篇包括第1章（绪论）；大数据存储篇包括第2～3章（HDFS分布式文件系统、NoSQL及其HBase分布式数据库系统）；大数据计算篇包括第4～7章（MapReduce分布式计算、大数据的Spark内存计算、大数据的流计算、大数据的图计算）；大数据管理、查询分析及可视篇包括第8～10章（Hadoop的数据整合、集群管理与维护，大数据的查询分析技术，R语言与可视化技术）；大数据发展及应用篇包括第11章（大数据应用——人工智能深度学习）。本书体现了校际联盟、

本书以常见的数据分析与大数据应用方法为主线，按照数据采集、数据存储与管理、数据预处理、数据分析与挖掘的逻辑关系分析大数据时代应如何采用量化方法分析经济问题。本书在定性分析的基础上，采用大量的实例和软件操作插图来直观地解释大数据分析方法的原理和应用，为读者提供“一站式”服务。同时，通过对线性回归、逻辑回归等计量方法，主成分分析、聚类分析等统计方法，以及神经网络、决策树、随机森林等机器学习方法的学习，实现大数据背景下传统计量、统计学数据分析方法向人工智能、机器学习方法的过渡。

本书为大数据时代下的产物，由浅入深地介绍大数据及其相关知识，在大数据的背景下着重介绍ETL数据处理技术，同时引入数据清洗的知识，理论与实际相结合，突出所长。在理论上，本书突出重点与难点，较为系统地介绍大数据的各项基本技术。在实践操作上，本书贴近生活，切实理解，紧跟实验进行，并从中萃取精华。同时本书还介绍ETL技术的主流工具，结合当下一些项目进行运用，并综合课后思考题，使读者在学习中体会大数据的乐趣，翱游在大数据的海洋中。
本书可作为高校新兴专业——数据科学专业的配套教材，也可作为其他专业的

本书介绍基于Python语言的网络数据采集技术的相关知识，并为采集网络中的各种数据类型提供全面指导。第1章重点介绍Scrapy框架及配置方法;第2～6章重点介绍网络数据采集的基本原理,包括如何利用Python从网络服务器请求信息，如何对服务器的响应进行基本处理，以及如何通过自动化的手段与网站进行交互;第7、8章介绍登录表单与验证码的数据采集和自动化处理，以及并行多线程网络数据的采集方法。本书还提供了多个实验，以帮助读者巩固所学内容。
本书适合作为普通高等院校计算机程序设计、大数据课程的教材

本书主旨是指导组织中数据治理相关角色在大数据环境下，如何对数据资产进行有效治理，更好地为组织提供数据服务。全书共10章，主要包括大数据治理与服务概述、大数据治理与服务总体框架、大数据架构治理、元数据治理、主数据治理、文档和内容治理、大数据质量治理、大数据安全治理、大数据治理能力成熟度评估模型和大数据服务等内容。本书可作为数据科学与大数据技术、大数据管理与应用专业相关课程的教材，也可供企事业单位从事数据资产管理或数据治理工作的相关人员使用，还可作为学习数据治理、数据资产管理并准备相关认证