本书根据数据分析的过程，系统介绍了数据的收集、数据的处理、数据的分析、数据的展现、分析报告的撰写，其中数据的处理与数据的分析为本书的重点内容。在数据处理方面，主要介绍了数据的一致性处理、缺失数据的处理、重复数据的处理、数据的转置、字段的分列、字段的匹配、数据的抽取、数据的计算及数据的修整等内容。在数据分析方面，主要介绍了数据的分组、描述性统计指标的计算、动态数列的速度指标的计算、同期平均法预测、移动平均趋势剔除法预测、相关分析与回归法、综合评价分析法、四象限分析法等内容。 本书根据高职

在科技与教育深度融合的新时代背景下，培育德才兼备且具有创新精神和实践技能的人才至关重要。本书融合最优化理论与机器学习技术，配套相关课程为本科生和研究生提供系统全面的学习资源。全书共6章。第1章“绪论”介绍最优化问题的分类和典型应用，为后续学习奠定基础。第2章“凸分析”探讨凸集和凸函数等概念，提供解决优化问题的理论工具。第3章“最优性条件”讲解对偶问题和KKT条件，帮助学生理解最优解的求解方法。第4章“最优化计算”详细介绍梯度下降法、线性搜索法等无约束优化算法。第5章“机器学习中的邻近算法”阐述邻

"本书依据《新时代大学计算机基础课程教学基本要求》（2023版），从计算系统基本原理、Python程序设计、计算思维与问题求解、计算机网络与物联网、数据分析与可视化、人工智能与大模型、信息安全与隐私保护等维度构建教材内容，在强化对学生计算思维能力培养的同时，推进物联网、大数据和人工智能等新技术的普及与应用。
本书内容上与时俱进，实践中注重创新，将Python编程贯穿教材始终，通过大量编程实例强化对学生计算思维能力的培养，增强学生对新一代信息技术的理解能力。本书紧扣课程主题，多方位凝练思政要

本书面向人工智能相关专业（智能科学与技术、控制科学与工程、计算机科学与技术）的本科生，以从人工智能角度理解模式识别和用模式识别原理解决工程问题为目标，将内容分为基础知识、模式分类和模式聚类三大部分，突出简明和实用的特点。书中穿插大量案例，可以帮助学生在掌握基本概念的基础上理解基本原理，熟悉典型方法，做到知其然，知其所以然。本书注重引导学生充分利用样本数据库和算法库等各种网络资源，通过课程学习、案例计算和算法实现，分析来自生产和生活实际中的模式识别问题，采用合适的模式识别算法和技术，通过Py

数值分析作为计算数学的基础研究领域之一，关注一些基础共性问题的计算方法。它通过对问题近似建模，提出解决方案，并将这些方案用计算机程序实现，同时对算法进行理论分析。作为计算数学专业的基础课程，数值分析致力于培养学生设计、分析及提升算法的能力。本书的内容以多项式近似为核心线索，涵盖从多项式插值和逼近到数值微分、积分，再到常微分方程数值解的应用等。

"计算方法”是高等学校计算机科学与技术、软件工程、人工智能、数学、材料科学与工程等相关专业的主干课程之一。本书结合计算方法的基本概念、基本原理及实际应用，系统地介绍了如何利用计算方法的基本思想求解若干数学问题，并采用扩展阅读的方式融入了与"计算方法”课程密切相关的思政元素。 全书共7章，全面、系统地介绍了计算方法涉及的基本概念、基本思想、误差相关知识，探讨了求解非线性方程、线性方程组的方法，研究了插值法、曲线拟合、数值积分与数值微分等，同时部分章节末尾引入了扩展阅读内容。为便于教师教学及学生自学

本书内容包括随机事件及其概率、随机变量及其概率分布、多维随机变量及其概率分布、随机变量的数字特征、大数定律及中心极限定理和数理统计初步等内容。在内容的选取上注重学生的逻辑推理能力及解决应用问题能力等数学应用能力的培养, 适当数学淡化理论的严密性和抽象概念。删除了传统教材中难而繁的内容, 保留了理工科各专业所需要的最基本内容, 重在锻炼学生的学以致用的能力, 即不仅关注理论知识的传授更注重实用技能的培养。本书在学习过程中塑造学生正确的世界观、人生观、价值观, 真正实现价值塑造、知识传授和能力培养融

本书针对概率论与数理统计实践课程设计了概率统计基础实验、应用案例分析、演示验证实验，编撰了典型应用案例。本书注重内容的知识性、启发性、可探索性和素材新颖性，实验基于MATLAB平台和GeoGebra平台开展，附有所有实验程序、案例求解程序和演示验证实验GGB脚本程序文件，可通过扫描二维码获取。

本书内容包括概率论、数理统计和R语言初步知识等。

全书共有8个章节，内容覆盖了概率论的基本概念、随机变量、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、大数定律及中心极限定理、参数估计、假设检验等，本书语言通俗易懂，逻辑清晰，结构严谨。全书微视频资源，围绕重难点及典型例题进行视频讲解，线上线下相结合，有助于学生更好的理解内容。章末均配有不同难度的课后习题，适配不同层次学生的需求，同时还设置拓展与提高板块，便于学生拓展延伸。