《Excel图表与表格实战技巧精粹》从商务办公实践的角度出发，详细地讲解了Excel强大的数据处理、计算、统计与图表分析功能。全书共分16章，分别介绍了Excel基础操作、操作Excel表格、美化表格、管理表格数据、计算表格数据、应用函数、汇总与分析数据、表格的高级应用、Excel图表概述、设置图表系列、设置图表格式、使用分析线、创建交互式图表、创建统计分析类图表、创建数据透视图表、使用宏和VBA等内容。《Excel图表与表格实战技巧精粹》图文并茂，秉承了基础知识与操作实例相结合的特点，内容简明易懂、结构清晰、案例经典、实用性强，适合于项目管理人员、办公自动化人员、大中专院校师生及计算机培训机构学员使用，同时也是Excel爱好者的必备参考书。

本书包含SolidWorks 2018 建模设计和高级分析两大部分，以机械工程设计与分析为中心，贯穿从初级建模到高级分析的工程实践全过程。全书包括草图设计技术、零件造型技术、装配技术、基于装配的关联设计技术和有限元分析技术、多体动力学运动仿真技术和流场分析技术。

《简说IPv6》详细讨论了与IPv6技术相关的内容，包括互联网的概念、历史、发展与演变，我国IPv6的发展与机遇，以及IPv6的基础知识，如协议报文结构、IPv6地址、地址配置技术、IPv6路由协议，同时讨论了运营商部署IPv6的计划与发展，内容和应用部署IPv6，国际上IPv6全球成功案例等。《简说IPv6》的特点是理论与实践紧密结合，通过大量而翔实的IPv6分析，能够帮助读者更快、更直观地掌握IPv6的理论与技能。《简说IPv6》内容浅显易懂，操作性强，可供管理者及非技术项目人员参考，技术部分内容也可供专业人士参考。

本书创新性地从游戏的角度介绍了概率、统计、决策论和博弈论的基本概念。本书共13章，前两章简单地讨论了在有限离散空间中的效用和概率理论。接下来，讨论了5个非常流行的赌场游戏：轮盘赌、乐透、双骰子、21点和扑克牌。轮盘赌被用来说明概率的基本概念。乐透被用来诱导计数规则以及排列和组合数的概念。掷骰子和21点则用于阐述和推导条件概率。对扑克牌的讨论有助于说明前几章中有多少观点是殊途同归的。最后四章专注于博弈论和策略游戏。本书适用于相关专业的大专院校师生学习，也可作为对概率、统计和博弈论感兴趣的技术人员或业余爱好者之参考读物。 \n

《单片机项目教程（第2版）》以80C51系列单片机为主，详细介绍单片机的工作原理、编程方法和实际应用等知识，内容包括单片机结构和典型接口器件等。《单片机项目教程（第2版）》融进了作者多年教学、科研实践所获取的经验及实例，是在单片机课程教学改革的基础上编写而成的，采用“项目代领、任务驱动”的教学模式来编排，视各个课题为一个项目，每个项目又由多个任务组成，通过完成各个任务而掌握本课题的所有知识。全书以读者的认知规律为主线，充分体现了以人为本的指导思想。《单片机项目教程（第2版）》可作为职业技术学院、中高等职业学校、专业技术学校、单片机培训机构等的教学用书，也是电子爱好者自学单片机的很好教材。

本书基于Spark发行版2.4.4写作而成，包含大量的实例与一个完整项目，层次分明，循序渐进。全书分为3部分，涵盖了技术理论与实战，读者可以从实战中巩固学习到的知识。第一部分主要围绕BDAS（伯克利数据分析栈），不仅介绍了如何开发Spark应用的基础内容，还介绍了Structured Streaming、Spark机器学习、Spark图挖掘、Spark深度学习等高级主题，此外还介绍了Alluxio系统。第二部分实现了一个企业背景调查系统，比较新颖的是，该系统借鉴了数据湖与Lambda架构的思想，涵盖了批处理、流处理应用开发，并加入了一些开源组件来满足需求，既是对本书第一部分很好的巩固，又完整呈现了一个实时大数据应用的开发过程。第三部分是对全书的总结和展望。本书适合准备学习Spark的开发人员和数据分析师，以及准备将Spark应用到实际项目中的开发人员和管理人员阅读，也适合计算机相关专业的高年级本科生和研究生学习和参考，对于具有一定的Spark使用经验并想进一步提升的数据科学从业者也是很好的参考资料。

《数据流机器学习：MOA实例》中文简体字版由MITPress通过Bardon-Chinese Media Agency授权机械工业出版社在中华人民共和国境内（不包括香港、澳门特别行政区及台湾地区）出版发行。未经出版者书面许可，不得以任何方式抄袭、复制或节录《数据流机器学习：MOA实例》中的任何部分。《数据流机器学习：MOA实例》首先简要介绍了机器学习的主题，包括大数据挖掘、数据流挖掘的基本方法，以及一个简单的MOA示例。接下来针对sketch技术、分类、集成方法、回归、聚类和频繁模式挖掘进行了更详细的讨论。《数据流机器学习：MOA实例》最后讨论了MOA软件，涵盖MOA图形用户界面、命令行、MOAAPI的使用以及MOA中新方法的开发。对于那些想要使用数据流挖掘的读者、数据流挖掘的研究人员，以及想要为MOA创建新算法的程序员来说，《数据流机器学习：MOA实例》将是一个重要的参考指南。《数据流机器学习：MOA实例》分成三个部分。第一部分简要地介绍大数据流挖掘，包含三章。前两章介绍大数据流及其基本挖掘方法。后一章是MOA上手指南，读者可以作为参考，自行探索MOA。第二部分详细地展现了数据流挖掘中的常见问题和重要算法。由于涉及的知识面广阔，《数据流机器学习：MOA实例》优先讲解MOA中已涵盖的算法。该部分第一章提到了sketch技巧，《数据流机器学习：MOA实例》认为数据流挖掘领域人员很有必要对该技巧加以了解。大部分章节含有一套练习题或MOA上手教程，或两者兼具。第三部分全篇讲解MOA，从用户界面开始，到命令行和API，最后讲解如何实现新方法。

《分布式中间件技术实战（Java版）》站在初学者的角度，介绍了几款比较流行的分布式中间件，带领读者从零开始一步一个脚印地学习Java企业级应用开发。书中在讲解必要的理论知识和应用场景后都给出了实际项目案例，可以提高读者的开发水平和项目实战能力。 \n《分布式中间件技术实战（Java版）》共10章，分为3篇。第1篇开发工具准备，介绍了分布式系统架构的相关知识要点，包括其功能、作用及演进历程，并由此引出了分布式中间件的相关介绍。第2篇开发实战，全面介绍了目前在实际开发中应用比较广泛的几款Java中间件，包括缓存中间件Redis、消息中间件RabbitMQ、统一协调管理中间件ZooKeeper和综合中间件Redisson等，重点介绍了这几款中间件的基本概念、典型应用场景及相应的功能组件等。第3篇总结，对相关内容做了重点回顾与总结。值得一提的是，《分布式中间件技术实战（Java版）》在介绍几款中间件的理论知识时，还以Spring Boot微服务框架作为奠基，整合了相关中间件之间的依赖，并结合作者的实际项目经验进行了代码实战。 \n《分布式中间件技术实战（Java版）》特别适合中间件实践经验为零的开发者阅读；对于有一定Java应用开发经验的工程师而言，通过阅读《分布式中间件技术实战（Java版）》可以了解中间件在构建企业级应用过程中所提供的思路和解决方案；IT培训机构的学员，也可以通过《分布式中间件技术实战（Java版）》系统地学习中间件技术。 \n

本书用简短的篇幅、精炼的语言，讲授机器学习领域必备的知识和技能。全书共11章和一个术语表，依次介绍了机器学习的基本概念、符号和定义、算法、基本实践方法、神经网络和深度学习、问题与解决方案、进阶操作、非监督学习以及其他学习方式等，涵盖了监督学习和非监督学习、支持向量机、神经网络、集成学习、梯度下降、聚类分析、维度降低、自编码器、迁移学习、强化学习、特征工程、超参数调试等众多核心概念和方法。全书最后给出了一个较为详尽的术语表。本书能够帮助读者了解机器学习是如何工作的，为进一步理解该领域的复杂问题和进行深入研究打好基础。本书适合想要学习和掌握机器学习的软件从业人员、想要运用机器学习技术的数据科学家阅读，也适合想要了解机器学习的一般读者参考。

针对贝叶斯网络信息检索模型没有考虑术语之间关系的不足，《基于术语关系的贝叶斯网络检索模型扩展》首先研究词语间关系问题，提出了改进的共现分析方法和PF-IBF方法；重点研究了利用术语间关系对信念网络模型、简单贝叶斯网络模型、基于影响图的结构化文档检索模型的扩展问题，给出了扩展模型的拓扑结构和信息检索过程，实验验证了扩展模型的性能；同时，介绍了词语关系在特征词提取、查询扩展和文档相似度等方面的应用研究，以及基于信念网络的话题识别和追踪建模。