《自然语言处理基础与大模型 案例与实践》在简要介绍自然语言处理代表性模型和方法的基础上，通过具体案例详细展现了相关模型和算法的实现过程，并给出了可执行的程序代码、数据集和运行结果。全书内容既有经典的统计语言模型，也有神经网络基础模型和大语言模型前沿技术。应用案例从情感分析、信息抽取、自动摘要和文本语义匹配，到阅读理解、意图理解、文本生成和机器翻译，全方位地展示自然语言处理从理论到实践的全貌。书中提供的所有代码都已通过调试，并以Jupyter Notebook形式托管在百度AI Studio

教材从内容变化和体系特色上均具有一定的创新性，尤其是针对目前就业面广的地下空间工程、国家生命线工程以及结构健康诊断等新兴领域与专业人才需求方向，提供新的勘测技术教育教学，应用最新的国内外文献资料，为土木工程本科生提供最新的土木勘测技术教学。全书共分七章，内容包括绪论，土木工程材料，土木工程勘测划分，岩土工程勘察，安全监测，结构检测和监测案例。由于教材的内容涵盖整个土木工程项目周期，因此具备相应的完整性。

根据当前高等学校Oracle数据库教学和实验的需要，本书全面系统地介绍了Oracle 19c的基础知识、应用开发、教学和实验。其中，实验包含验证性实验和设计性实验。全书分为两篇，包括数据库基础和数据库实验，在打好理论基础的同时，提高实际操作能力。
第1篇介绍Oracle数据库基础，各章内容为： 概论，Oracle数据库系统，Oracle数据库，Oracle表，数据查询，视图、索引、序列和同义词，数据完整性，PL/SQL程序设计，存储过程和函数，触发器和程序包，安全管理，备份和恢复，事务和锁

SQL Server 2022是微软公司推出的最新版本的数据库管理系统，安装简易，功能强大，操作方便，界面友好，是软件项目设计的必备数据库。本书的编写团队基于长期的教学经验与多年的软件开发经验，根据程序员和数据库管理员的岗位要求及高职院校的教学特点组织内容，按照设计数据库→建立数据表→管理数据库→开发数据库项目的顺序，以高校图书馆图书资料借阅管理系统和学生成绩管理系统为主线，介绍了使用SQL Server 2022进行数据库管理的各种操作，以及数据库应用程序开发所需要的各种知识和技能。全书共8个

《零基础学SQL（升级版）》从实用角度出发，由浅入深地讲解了 SQL 的基本概念、常用语法和操作技术。全书共 24 章，内容涉及 SQL 语言概述、简单查询、计算列查询、条件查询、范围查询、数据过滤、数据格式化、模糊查询、数据排序、统计分析、分组统计等知识点，还讲解子查询、多表连接、数据的增删改查、视图、存储过程、游标、事务处理、数据库管理及数据表管理等高级技术。全书包含 200 多个 SQL 语法及应用示例，有很强的实用性和可操作性，既适合作为 SQL 初学者的学习用书，又适合作为程序开

本书采用图文结合的方式，通过大量案例由浅入深、循序渐进地介绍了数据库原理、SQLServer数据库的基础知识、核心技术、应用方法等，能够帮助初学者快速上手、迅速提高并掌握数据库技术。全书共分12个项目，包括数据库基础、SQLServer的安装、数据库与数据表、数据查询、视图、索引、SQL语言编程基础、存储过程、触发器、SQL数据库维护、数据库的安全机制、企业进销存管理系统综合案例等。

本书从区块链基础、区块链平台和区块链应用三方面介绍了区块链相关技术，旨在帮助读者快速了解区块链新兴技术领域。本书主要包括区块链简介、区块链密码、区块链网络、区块链合约、区块链共识、比特币平台、以太坊平台、联盟链平台、区块链性能、区块链应用等。

本书是被众多高校采用的教材《云计算》的第四版，是清华大学博士刘鹏教授团队的心血之作。在应对大数据挑战的过程中，云计算技术日趋成熟，拥有大量的成功商业应用。本书追踪前沿技术，相比第三版更新了40%以上的内容，包括大数据与云计算、Hadoop 3.0：主流开源云架构、虚拟化技术、容器技术、云原生技术、云计算数据中心、总结与展望等内容。刘鹏教授创办的云计算世界、大数据世界网站和“刘鹏看未来”微信公众号为本书学习提供技术支撑。

本书追踪最新技术，包括大数据与云计算、Google云计算原理与应用、Amazon云计算AWS、微软云计算MicrosoftAzure、Hadoop3.0：主流开源云架构、虚拟化技术、容器技术、云原生技术、云计算数据中心、云计算核心算法、云际计算技术、中国云计算技术及总结与展望等。

本书系统地介绍了三维点云处理的基础知识、 传统算法与深度学习算法, 包括点云数据表示、 空间变换、 预处理、 配准、 拼接、 滤波和表面重建等传统算法, 以及经典三维深度学习算法、 室外、 室内、 单目、 多模态三维目标检测、 三维语义分割和深度补全等模型。

书中采用由浅入深的方式详细介绍各种算法的设计思路和实现过程, 如循序渐进的学习路径、 深入剖析算法原理、 丰富的示例算法以及能力开拓和问题解决能力培养等。

本书读者对象为计算机科学、 机器学习、 人工智能等