《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

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

《蓄冷技术及应用》从专业技术原理和工程实际应用的角度出发，全面梳理和总结了蓄冷技术的原理及应用现状。《蓄冷技术及应用》介绍了蓄冷技术的概念、分类及发展历程，深入探讨了蓄冷材料的种类、性能及应用，以及蓄冷设备、蓄冷系统的构成和工作原理。在此基础上，详细介绍了蓄冷系统的建模及求解方法，为实际工程应用提供理论支持。另外，《蓄冷技术及应用》还重点阐述了蓄冷技术在民用空调和冷链物流等领域的应用，并探讨了蓄冷技术在其他领域的应用。

实验教学在包装工程专业人才培养中占据关键地位，它是提升学生动手能力、锻炼综合分析能力的练兵场，更是激发学生创新思维、点燃学习热情的魔法棒。
这本《包装工程专业实验教程》紧跟新工科人才培养需求，聚焦实验教学改革与教材建设，为培养高质量新工科和拔尖人才提供了坚实支撑。书中内容丰富、体系完备，无论是实验原理讲解，还是操作步骤演示，都清晰易懂、实用性强。
教程共分八章内容, 分别为纸包装材料成型与性能检测、塑料包装材料成型与性能检测、包装测试技术与包装容器性能检测、缓冲包装材料

《食品无损检测技术》涵盖了光学、声学、电学、核磁共振、生物传感器等多种无损检测技术，并介绍了每种技术的原理、特点、应用场景以及相关的仪器设备，为读者提供了全面的知识体系。
《食品无损检测技术》将理论与实践结合，介绍了多种无损检测技术在食品安全检测中的应用，如农药残留、重金属、生物毒素、微生物等，有助于提高食品安全水平。教材还涉及光学、声学、电学、化学、生物学等多个学科，体现了多种学科的交叉融合，有助于读者形成更全面的知识结构。

本书是一本融合项目实践与开发原理于一体的书。它的特色是以项目实践作为主线贯穿其中。本书提供了完整的项目案例，通过项目使读者能够快速掌握机器视觉开发中最核心的组件，包括：机器视觉概述、图像与机器视觉系统、图像数据采集和标注、图像特征提取、光学字符识别、图像分类识别、目标检测识别、机器视觉云服务等。

本手册立足于实际操作，系统地介绍了影视修复的技术原理、操作步骤和注意事项，为从业者提供了实用的技术指导。手册中收录了大量真实的影视修复案例，详细分析了各种问题的成因和解决方法，具有很高的参考价值。不仅传授了影视修复的基本技能，还针对不同层次的需求，提供了进阶教程，为从业者提升技能水平提供了帮助。

本书主要阐述人工智能问题求解方法的一般性原理和基本思想，主要内容包括：人工智能发展简史；一般的搜索问题，包括盲目搜索和启发式搜索；对抗搜索，包括α-β剪枝、蒙特卡洛树搜索、AlphaGo原理、强化学习；谓词逻辑以及基于归结的定理证明方法；知识表示，包括产生式方法、语义网络、框架；不确定性推理方法，包括贝叶斯方法、证据理论和确定性方法；统计学习方法，包括朴素贝叶斯方法、决策树、支持向量机、k近邻方法、k均值方法、基于密度的聚类；神经网络与深度学习，包括什么是神经元和神经网络、全链接网络、