本书是一本全面介绍数据科学理论与实践的综合性教材，旨在向读者展示如何在多样化的数据环境中应用数据科学技术以解决复杂的实际问题。本书的主要内容分为以下两部分：第一部分（第1、2章）主要介绍数据科学与工程的背景、定义、原则和基本概念，以及数据科学基础理论；第二部分（第3～7章）介绍高级应用和案例研究，旨在帮助读者建立数据科学与工程的基础知识，并在每个实践章节中，按照背景介绍和场景分析、数据工程基础实践、高阶算法研究及实战的脉络，为读者提供一个循序渐进的学习框架、实践指南和解决问题的方法。
　　

本书是一本涵盖数据安全与隐私保护的综合性教材。书中第一部分（第1、2章）主要介绍数据安全与隐私保护的基础概念与背景，以及数据治理的基本原则与策略；第二部分（第3～6章）介绍隐私保护的关键技术，包括安全多方计算技术、非密码学的隐私保护技术、联邦学习技术、可信执行环境等；第三部分（第7～10章）主要介绍数据安全与隐私保护实践，包括常见的隐私攻击与防御方法，隐私侵权、评估与审计，典型数据安全与隐私计算开源平台，典型数据安全与隐私保护实践等。本书以基础理论与思维能力培养为主线，旨在帮助读者全面了解数据安

本书以Spark 3.x和Scala 2.x为主线，全面介绍了Spark及其生态体系中常用大数据项目的安装和使用。全书共10章，分别讲解了Scala语言基础、Spark基础、Spark RDD、Spark SQL、HBase、Kafka、Spark Streaming、Structured Streaming和Spark MLlib，并在最后完整开发了一个在线教育学生学习情况分析系统，帮助读者巩固前面所学的内容。
本书附有配套视频、教学PPT、教学设计、测试题等资源，同时，为了帮

本书系统地介绍了智能装备设计、制造、使用和运维等全生命周期所需的基础理论和方法，涵盖了智能装备各个方面的内容，展示了机械、信息、材料等多学科交叉融合与前沿技术创新的特点，系统地探讨了智能装备从理论到实践的整个过程。
本书本着少而精的原则，力求做到内容新颖、重点突出、以点带面。第1 章为绪论，简要介绍了智能装备设计生产与运维的基本概念、重要性和发展趋势；第2~4 章分别对智能装备设计理论与技术、智能装备生产技术和智能装备运维技术进行了阐述；第5 章、第6 章对智能机器人和高端数控装备的设计、

“机器人综合设计与实践”是高等院校机器人工程专业最核心的实践环节必修课程。本书紧扣读者需求，采用实例分析的形式，深入浅出地讲述了机器人系统设计的内容、步骤和关键技术。本书共分为6 章，内容全面覆盖了机器人设计与制作的核心领域，包括绪论、机器人机械结构设计与实践、机器人控制系统设计与实践、机器人视觉系统设计与实践、机器人操作系统设计与实践、机器人导航系统设计与实践。本书内容基于CDIO（构思-设计-实现-运作）的理念进行设计，通过一个具体而富有挑战性的工程案例，引导读者在真实的工程环境中亲身体会从

本书以项目化实践为设计理念，专注于引导读者通过Python探索并提升数据分析的实战技能。在数据驱动时代，本书结合前沿技术和实际操作，通过精选案例，使读者能够在实践中理解并掌握数据分析的关键技术和方法。本书以掌握Python基础为前提，从10个精简案例入手，循序渐进地介绍数据分析工具在不同业务领域中的应用。本书强调实用性和操作性，每个项目都给出了具体实施步骤，帮助读者在实际操作中不断试错、学习和提高。

《MATLAB 数值计算教程：详解指南与全解答案》由 Myron Sussman 编著，全书分为两部分，第一部分涵盖求根、插值、近似和积分等内容，介绍二分法、牛顿法等多种算法及其在 MATLAB 中的实现，同时讲解多项式插值、勒让德多项式逼近和多种积分方法；第二部分聚焦微分方程与线性代数，包括常微分方程的显式和隐式求解方法、边值问题与偏微分方程，以及向量、矩阵相关知识和线性方程组求解、特征值问题、奇异值分解等内容。书中每章按需提供 MATLAB 函数和编程知识，习题均有代码和答案，并附带解

"随着人工智能技术的不断发展，其相关算法已经广泛应用于工业、金融、医疗等重要领域。数据作为人工智能技术的核心要素，其安全性直接影响人工智能技术是否可以在现实场景中大规模部署和应用。本书基于此背景，延伸人工智能技术的前沿理论与实践基础，深入剖析了人工智能在数据安全层面所面临的重要挑战。通过阅读本书，读者可以深入了解人工智能数据安全的各个细分领域，掌握各类数据安全问题的原理及其缓解方法，并树立具有开阔视野的人工智能数据安全观。
本书共9章，可划分为6部分，包括人工智能数据安全概述（第1章）、异

本书旨在深入浅出地介绍统计方法与机器学习的核心概念和算法应用。它不仅涵盖了传统统计方法的基础知识，还深入探讨了机器学习领域的关键技术。本书首先从机器学习中的数学基础入手，包括数据的描述存储、线性变换和特征分解、概率的基本思想、概率论和统计方法在机器学习中的应用等。其次，根据机器学习的基本概念、各种分类和路径等，较全面地给出机器学习的俯瞰图。最后，本书将视角投放到当前人工智能最火爆的深度学习领域，从神经元模型到神经网络，再到目前人人关注的大语言模型。本书通过丰富的实例和实际数据集，帮助读者深入理解

　　本书是一本体系完整、算法和案例丰富的人工智能类教材。本书系统地讲解深度学习的理论与方法，主要内容包括绪论、深度学习基础、卷积神经网络、循环神经网络、深度序列模型、深度生成网络、图神经网络、注意力机制、深度强化学习、深度迁移学习、无监督深度学习。本书通过丰富的实例讲解方法的应用；强调深度学习的系统性、方法的时效性，同时针对深度学习快速发展的特点，讲解深度学习的最新技术，本书配备了实例的数字化资源，供学习者下载。
　　本书既可以作为国内各高等学校、科研院所本科生、研究生的教材，也可以供国内