《业财一体化应用（用友新道U8 V15.0）（微课版）》以用友新道U8 V15.0为蓝本，以企业业财一体化典型业务为实训案例，以任务驱动的教学方式详细讲解了业财一体化相关模块的主要功能与业务处理方法。全书以简述原理、突出实训为主导思想，共分为14个项目，分别介绍了会计信息化应用基础、系统管理、基础设置、系统初始化、总账日常业务、采购与应付业务、销售与应收业务、库存管理、固定资产日常业务、薪资管理日常业务、出纳管理业务、期末结转业务、月末结账和报表编制及分析。本书还配备了丰富的教学资源，

本书以金融科技理论为主线、以科技方法在金融领域中的应用为辅线组织内容，全面系统地介绍了金融科技的相关理论、技术基础以及科技方法在金融领域中的应用与监管。为加深对金融科技理论、方法与应用的理解，提供了科技方法在金融领域场景中应用的案例与延伸阅读材料。
全书分为基础理论篇、技术应用与实践篇、监管与展望篇三部分，共九章。重点分析了以大数据、云计算、移动互联网、人工智能、区块链和自然语言处理等新技术的发展概况以及对金融领域的影响和未来的发展趋势，创新讲解了机器学习、深度学习等在金融业的应

《人工智能通识（小学版）》是清华大中小学人工智能通识教育系列的小学分册，包括从梦想到现实、身边的人工智能、人工智能前沿、人工智能起源、人工智能发展、人工智能基础、深度学习时代7个单元。本书注重人工智能思维的启蒙，以讲故事的方式激发学生的学习兴趣，传递科学精神，形成对人工智能的基础认知。本书既可以作为教师授课的教材或参考资料，也可以作为学生自学的科学读本。为方便教师开展教学活动，
本书配套了完整的教学课件和教学方案。同时，本书还配套了实践手册，设计了大量充满趣味性的体验活动，让学生

"本书内容全面，分为基础部分、应用部分和扩展部分。基础部分系统地讲解了机器视觉基础和视觉系统设计的关键知识和技术，包括机器视觉概述、HALCON基础和语法、图像、区域、XLD、几何变换和模板匹配、3D视觉等。应用部分以Qt和WinForm为例讲解了HALCON与C#/C++语言的联合编程，并介绍了机器视觉的典型应用，包括OCR、几何测量、缺陷检测、3D视觉应用等。扩展部分的内容为机器视觉中的深度学习基本原理及应用。 本书以HALCON软件为基础，详细讲解了各个核心知识点和技能点，以实际应用案例

《Python编程入门50例》精选了50个典型案例，遵循案例模仿改进创新的模式，讲解Python程序设计的基本方法和技巧。基础案例包括程序结构、标准函数、异常处理等；应用案例包括图形绘制、文本处理、图形用户界面、网络爬虫、语音合成、人工智能、游戏开发等。配套资源包括视频讲解、动画演示、案例代码、软件资源等，内容丰富、全面实用。
《Python编程入门50例》适合Python程序设计的初学者，也可供一般理工科专业的学生学习使用，还可作为程序设计和软件开发人员的参考书。

本书是初学者学习openGauss不错的选择，全书共分为11章。第1章了解什么是数据库。第二章对openGauss进行简介，主要包括openGauss的基础知识，安装卸载等。第3~4章介绍数据库的基本操作，比如DDL、DML、SQL、存储过程、索引、触发器等等。第5~7章讲解事务与并发控制；数据库设计，比如著名的范式理论，完整性约束，以及数据库设计流程；数据库权限控制与安全审计。第8章讲解查询优化。第9章讲解数据迁移和数据库备份与恢复。第10章讲解数据库常用编程，比如jdbc、odbc等

《班级管理（第4版）（微课版）》针对我国师范院校在师资培养过程中缺乏班级管理教育及其教材的现状，为建设全面推进高素质教育的高质量的教师队伍而编写。
《班级管理（第4版）（微课版）》密切结合教师教育专业实际，突出学术性和实用性，为师范类院校的学生提供班级管理的理论与实践指导，主要内容包括班级管理中的学生和班主任、班级管理的目标与内容、班级管理的原则与方法、班级组织建设、班级日常管理、班级活动管理、班级文化管理、班级突发事件的管理、班级管理过程中的家校合作模式、班级管理的评价等。《班

本书是一本全面介绍数据挖掘技术的专业书籍，系统地阐述了数据挖掘的相关概念、原理、算法思想和算法的Python代码实现。全书共分为15章，各章相对独立成篇，以利于读者选择性学习。15章内容分别为绪论、NumPy科学计算库、pandas数据分析库的数据结构、pandas数据读写与可视化、pandas数据整理、pandas数据分析、决策树分类、贝叶斯分类、支持向量机分类和K近邻分类、神经网络分类、回归、聚类、关联规则挖掘、推荐系统、电商评论网络爬取与情感分析等内容。 本书可作为高等院校各专业的数据挖掘

本书内容系统、全面，全书共11章，归结为3部分进行介绍。第1部分主要介绍Python程序设计基础，包括Python的内建数据结构(列表、元组、字典和集合)、Python语句、Python函数、Python面向对象程序设计和Python数据可视化等。第2部分主要介绍Python数据分析基础，包括NumPy工具、Python矩阵运算、Pandas库和Python办公自动化等。第3部分主要介绍Python机器学习算法，包括回归分析、逻辑回归、决策树与随机森林、朴素贝叶斯分类、支持向量机、主成分分

本书是一本模式识别学习的立体教程，通过本书的学习，能够掌握模式识别主要技术模块的算法原理及Python实现，包括贝叶斯决策、概率密度函数的估计、线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工神经网络等。本书配以教学课件、Python仿真程序、微课视频和实验指导书，便于教和学。