本书以Office 2019为平台，系统地介绍了Word 2019、Excel 2019和PowerPoint 2019三大组件在日常办公中的应用，内容主要包括Word文档制作与编辑、Word文档的美化、Word长文档编排与审校、Word文档高级应用、Excel表格创建与美化、Excel表格数据计算与管理、Excel表格数据分析、PowerPoint幻灯片制作与设计、PowerPoint动态效果与放映输出、Office协同办公，最后通过综合案例巩固所学知识，强化Office 2019高级应用相关

本书系统地介绍了移动机器人的基本原理与相关方法, 内容体系完善、逻辑严密, 具有良好的基础性系统性和实用性。书中内容注重理论与实践的结合, 涵盖了机器人概述、计算机系统的运算功能、机器人运动学与动力学、机器人视觉, 机器人语音识别、定位与建图、机器人智能、机器人运动规划等内容。

本书按照工学结合、理实一体化要求编写，从基础知识着手，根据中职学校的教学内容，以电气类专业为主，结合机电、自动化、计算机等多个专业的教学内容设计了汽车衡无人值守称重实训装置、配料称重控制实训装置和定量装车控制实训装置等三个实训子系统，力图解决课堂教学中理论与实际脱节、学生普遍缺乏实际应用能力的问题。本书根据中职学生的学习特点编写，重点培养学生的动手能力。 本书适合作为中职电气类专业的教材，也可以供相关企业培训使用。

本书是一本结合 Premiere Pro 2024 与 AIGC 进行视频编辑与处理的项目式教程，由浅入深、循序渐进，全面、系统地讲解 Premiere Pro 2024 的常用功能和 AI 工具的使用方法及实战案例，包括初识 AIGC 应用、 Premiere 视频编辑快速入门、视频剪辑与 AI 剪辑、视频动画与 AI 动画生成、视频字幕与 AI 字幕生成、视频调色与 AI 调色、视频合成与 AI 抠像、视频特效与 AI 特效生成、调整音频与 AI 音频处理、Premiere Pro（Beta

本书是大数据新兴领域“十四五”高等教育教材。本书全面介绍大数据分析的相关概念、方法与技术。全书分为基础篇、方法篇与应用篇三篇，共9章。基础篇包含第1章，介绍大数据分析的基本概念和知识；方法篇包含第2~6章，分别介绍常用的大数据分析平台、大数据统计分析、大数据机器学习、深度学习以及图挖掘与分析的相关知识；应用篇包含第7~9章，分别介绍文本、多媒体以及社会媒体三类典型大数据的分析与应用。各章均提供了习题以帮助读者巩固所学的内容。本书既可作为高等学校大数据相关专业本科生或研究生的教材，也可供

内容提要本书是大数据新兴领域“十四五”高等教育教材。本书围绕互联网领域大数据处理生态系统的典型架构，从“理解大数据”“处理大数据”以及“系统观建立”三个角度培养读者的大数据处理系统能力。对应以上三个角度的能力，本书从思维、编程、优化三个方面编写，即基础技术篇、编程处理篇以及系统与优化篇。基础技术篇包含大数据处理和存储基础，从体系结构、编程、处理模式、大数据特征、分布式存储的需求以及关键技术等角度进行诠释。编程处理篇着重于数据处理本身，从应用编程、典型数据处理的角度讲解大数据批处理、流处

《智能机器人技术应用与实践》是一本系统全面、理论与实践相结合的专业教材，旨在引导读者深入了解智能机器人相关的核心技术与应用领域。全书结构严谨，涵盖了从基础的单片机技术、移动机器人系统构建，到复杂的智能系统集成与项目实战，再到SLAM导航技术以及综合项目探索。通过理论讲解、技术分析与操作实践相结合的方式，帮助读者掌握机器人硬件设计、控制策略、传感器应用、路径规划等关键技术，培养读者的动手能力和创新思维。 本书的特色在于内容兼具系统性与应用性，强调动手实验和项目实践，特别设计了多个项目环节，使读者能

本书内容涵盖分布式理论基础、大数据处理架构Hadoop、Hadoop分布式文件系统、基于Hadoop的数据仓库工具Hive、分布式数据库HBase、分布式计算框架MapReduce、基于内存的分布式计算框架Spark、分布式计算框架Flink、分布式协作服务ZooKeeper等大数据平台架构核心理论与重要组件，以及资源管理平台YARN，分布式数据采集和传输系统Flume，基于发布/订阅的消息队列Kafka，分布式NewSQL数据库TiDB，分布式日志收集、查询和展示系统Loki，向量数据库Mil

本书详细介绍大数据采集与清洗的相关知识和技术，共9章，分别是概述、网络爬虫基础、网页数据抓取、缓存下载页面、并发/并行爬取、用Selenium抓取动态内容、Scrapy爬虫框架及其应用、大数据平台系统日志采集、pandas数据清洗。本书大体上由数据采集（第2～8章）和数据清洗（第9章）两部分内容构成，以Python作为编程语言。数据采集部分以Web数据采集为主，也涉及Hadoop大数据平台的数据采集，内容由浅入深，循序渐进，理论与实践相结合，帮助读者理解和掌握数据采集的相关技术；数据清洗部分主要

本书系统介绍数据科学核心理论与技术，融合了数学、统计学和计算机科学等多学科知识，旨在构建完整的数据科学知识体系。全书共 15 章，主要内容包括数据预处理、经典机器学习模型（回归、分类、聚类、集成）、关联规则挖掘、特征工程（降维与特征选择）、最大期望算法、概率图模型、深度学习、文本分析、图与网络分析以及分布式计算等核心模块。特别值得关注的是，本书对当前热点技术如Transformer、BERT、图神经网络等进行了讲解，并设有专门的文本分析和图与网络分析章节。此外，书中包含丰富的附录内容，涵盖了矩阵