本书充分融入思政元素，突出高职教育特色，更好地贴近生产实际和岗位需求，融入国家职业技能鉴定标准、“1+X”职业技能等级证书培训等，以“典型自动控制系统的分析、调试与故障排除”为主线，结合编者多年的教学经验与校企“双元”合作成果课程改革进行修订。 本书针对实际自动控制系统分析、调试与维修过程中不同阶段所应具有的知识和能力进行介绍。本书设有5个单元，主要内容包括自动控制系统基础、自动控制系统数学模型建立、自动控制系统时域分析法、自动控制系统频域分析法、线性系统的校正与设计。本书将理论知

本书是作者在清华大学自动化系50多年教学和科研的总结，书中系统地论述了计算机控制系统的结构、原理、设计和应用，既有理论分析也有应用实例。全书共4篇，分别论述了直接数字控制系统（DDC）、集散控制系统（DCS）、现场总线控制系统（FCS）和可编程控制器系统（PLC）。每篇层次分明，条理清晰，既自成体系又相互联系，体现了系统性、先进性、理论性和实用性。并且有与该书配套的可视化教学光盘,以及讲解书中重点和难点的音视频，既便于老师讲课，也利于读者自学。可视化教学光盘中既有PPT文件，也有实验演示视

本书系统地介绍了PID控制的几种设计方法，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。 全书共18章，包括基本的PID控制、PID控制器的整定、时滞系统的PID控制、基于微分器的PID控制、基于观测器的PID控制、自抗扰控制器及其PID控制、PD鲁棒自适应控制、模糊PD控制和专家PID控制、神经网络PID控制、基于差分进化的PID控制、伺服系统PID控制、迭代学习PID控制、挠性及奇异摄动系统的PD控制、机械手PID控制、飞行器双闭环PD控制、小车倒

《过程自动化及仪表(非自动化专业适用)（第四版）》以自动控制系统为主体，辅以各种自动化仪表和控制装置，深入浅出地叙述了生产过程有关变量的测量方法及应用特点，自动控制系统的组成和简单、复杂、先进控制系统，以及在设计、运行中与工艺过程有关的知识要点,介绍了典型工业生产过程：流体输送设备、传热设备、锅炉设备、精馏塔、反应器、窑炉、生化过程、冶金过程、造纸过程等的控制，最后简单介绍了安全仪表系统在过程工业中的应用。
本书可作为高等学校非自动化专业（工艺类专业）自动化仪表类课程教材，亦可供生产过程工

本书主要介绍数据仓库与数据挖掘的基本概念和方法，包括数据预处理、数据仓库与联机分析处理、数据仓库设计与开发、回归分析、关联规则挖掘、分类、聚类、神经网络与深度学习、离群点检测以及文本和时序数据挖掘等内容。 各章力求原理叙述清晰，易于理解，突出理论联系实际， 辅以代码实践与指导，引领读者更好地理解与应用算法，快速迈进数据仓库与数据挖掘领域 。 本书可作为高等学校计算机科学与技术、数据科学与大数据技术等相关专业的教材，也可作为科研人员、工程师和大数据爱好者的参考书。

"本书入选教育部软件工程专业教学指导委员会“软件工程专业系列教材”。全书从基础的统计分析方法到基于机器学习的预测模型，全面系统地介绍了各种常用的数据分析方法及其典型应用，并结合大量的实际应用案例介绍了各种分析方法的使用步骤及其应用效果，让读者能够更好地了解各种分析方法的应用场景和价值。全书共10章，主要包括：绪论、概论率基础、描述性分析、探索性数据分析、参数估计、假设检验、方差分析、相关分析与回归分析、机器学习、时间序列分析。本书可作为高等学校软件工程、数据科学与大数据技术、人工智能等

“大数据技术与应用”是一门大数据知识入门课程，是数据科学与大数据技术、计算机科学与技术、软件工程等专业的重要前沿理论课程，对于信息类专业的学生掌握大数据相关理论知识并与企业工程实践接轨具有十分重要的作用。本书共包含9章，第1章为初识大数据，第2章为大数据采集，第3章为大数据预处理，第4章为大数据存储，第5章为大数据计算，第6章为大数据挖掘，第7章为大数据安全，第8章为大数据可视化，第9章为大数据应用案例。本书以大数据生命周期为主线，通过理论学习+应用案例，使学生参与到大数据实际处理、分析中来，有

本书从大数据分析的原理、技术和应用的角度，围绕着大数据分析的基础知识、大数据分析平台的核心原理、大数据分析的关键技术、大数据分析的应用四个方面进行讲述，使学生能掌握大数据分析的基本原理和核心技术，同时通过大数据分析在上市公司信用风险预测研究中的应用案例使学生熟悉大数据分析的原理和技术的实际应用，并能搭建大数据分析平台分析大规模数据集。其中，大数据分析的基础知识包括：大数据产生的背景、大数据的概念、特点、价值、大数据带来的思维变革；大数据分析平台的核心原理包括：两种常用开源大数据分析平台——Had

本书主要介绍Python数据分析与挖掘实践，全书共11章，分为基础篇和综合篇。第1～5章为基础篇，包括Python数据分析与挖掘概述、Python数据分析与挖掘基础、数据探索、数据预处理、挖掘建模等内容；第6～11章为综合篇，列举分析了6个实用案例，包括基于关联规则进行商品推荐案例、电信用户流失分类预测案例、二手车交易价格回归预测案例、航空公司客户价值聚类分析案例、基于LGB进行新闻文本分类案例、基于PyTorch进行昆虫图像分类案例。通过基础篇和综合篇的学习，可以掌握数据分析与挖掘的实践

本书系统介绍Spark大数据处理框架。全书共8章,内容包括大数据技术概述、Spark大数据处理框架、Spark RDD编程、Spark SQL结构化数据处理、HBase分布式数据库、Spark Streaming流计算、Spark MLlib机器学习、数据可视化。
本书可作为高等院校计算机科学与技术、信息管理与信息系统、软件工程、数据科学与大数据技术、人工智能等专业的大数据课程教材，也可供从事大数据开发和研究工作的工程师和科技工作者参考。