本书深入浅出地介绍了面向大数据和云计算的异构结构集群资源调度框架和应用，共分为11章，内容涉及面向大数据和云计算的异构结构集群的基本概念、异构结构集群资源调度机制、集中式资源调度框架、集中式资源调度框架的负载平衡和可扩展性优化、分布式资源调度框架、应用感知的混合式资源调度框架、GPU集群的一体化调度算法、CPU-GPU集群在机器学习中的资源调度、大规模图数据挖掘的示范应用。 本书的适用对象为大数据和云计算相关领域的程序员、架构师、运维人员和产品经理作为技术参考和培训资源，也可以作为大中专院校教师和学生的教学参考。

本书是2020年福建省级新工科研究与改革实践项目（项目编号：闽教高〔2020〕4号）的研究成果之一，也是福建省教育科学“十三五”规划2020年度课题（项目号：FJJKCG20-271）的研究成果之一，是帮助读者学习数据库设计与开发的教材。本书共分为11个章节，系统介绍了关系数据库的设计与开发的相关应用技术。其内容包括数据库规范化理论，数据库设计过程各阶段的工作内容与支撑技术，数据库 编程技术（存储过程、用户自定义函数、游标、触发器、主语言与数据库交互），数据库运维技术（数据库恢复以及并发控制）等各类技术涉及的概念、原理、语法说明以及操作实例。书中通过丰富的图示、大量示例程序和详细的操作步骤说明，让读者循序渐进地掌握数据库设计与开发的基础知识和使用技巧，切实提高编程能力。每章结尾设置的思考题，帮助读者加深对各章内容的理解。本书适合具有程序设计语言和数据库基础的读者阅读，也可作为应用型本科计算机专业以及其他学科数据库相关专业人员进阶学习的使用教材。

从2015年开始，北京市教育委员会开展了 技术技能人才贯通培养试验项目，旨在培养符合首都高精尖产业需求的新型人才。2015年招生的首批学生已于2022年从本科毕业，该项目每年的招生模式、项目分类、招生专业、培养模式、招生规模、培养学制、参与学校等会有所变化，本书梳理分析了这些变化，为承担贯通培养任务的学校，以及拟报考的考生和家长提供参考。此外，自该项目实施以来，在创新应用型人才培养模式上取得了丰硕成果，但是也存在一些共性问题，本书汇总分析了这些共性问题，并且提出了相应的解决方案。 本书以大数据技术专业为依托，并且借鉴其他承担贯通培养任务院校的办学经验，参照大数据技术专业的标准，校企合作制定了“循环进行、持续改进”的七年贯通一体化人才培养方案。在此基础上，精心编制了各门课程的课程标准，一并出版供同类专业人士参考。

\"大数据技术的发展，已被列为 重大发展战略。而在过去的几年里，无论是聚焦大数据发展的《促进大数据发展行动纲要》，还是《“十三五”规划》中都深刻体现了政府对大数据产业和应用发展的重视。目前 大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。但随着市场竞争的加剧，各行业对大数据技术研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。本书定位为大数据技术入门教材，为读者搭建起通向“大数据知识空间”的桥梁和纽带。本书以Excel工具为载体，介绍大数据技术的基本操作。全书包括课程导入及5个项目，主要内容包括大数据概述、大数据技术面临的挑战、数据的录入与抽样、数据的预处理、数据的整理、统计图的制作、数据度量的应用等。本书注重实用，以具体任务为载体，理论紧密联系实际，使读者可以系统全面地掌握基本技术与操作技能。本书可作为以供从事大数据技术初入行业的技术人员学习使用。\"

本书采用翻转课堂的教学模式，内容全面，条理清晰，以能力为本位，以技能培养为出发点进行项目化教学，每个项目由浅入深、从易到难、循序渐进，学生在学习中可随时通过扫描二维码获取相关学习资源，提高学习效率。本书基于学生管理系统，以Access2016作为教学背景，设置7个项目，包括认识Access、创建学生管理系统数据库和表、创建学生管理系统查询、创建学生管理系统窗体、创建学生管理系统报表、创建学生管理系统宏及用VBA创建学生管理系统其他功能等，理论知识与实例相结合，方便读者学习。本书适合作为中、高等职业院校计算机类专业数据库课程的教材，也可作为财经、管理类专业的数据库教材，还可作为从事计算机应用工作的科技人员和工程技术人员及其他相关人员的培训或参考用书。

本书首先介绍了大数据的定义，介绍了大数据技术，进而介绍数据挖掘的相关知识。在介绍了热门概念和知识点之后，对数据分析技术在多领域的应用做了详细介绍。

本书以理论讲解和实际应用相结合的编写理念，介绍了数据、信息、知识、智能之间的关系，主要包括数据库系统的基础篇、使用篇、智能管理篇和智能应用篇，较全面地介绍了数据库基本概念和体系结构、数据库前沿技术发展、关系数据库理论、数据库管理系统配置、各种常用数据库对象的创建和管理、存储过程、自定义函数和触发器的程序设计、智能安全管理机制、数据库备份和恢复策略、基于云管理的数据库系统应用开发，并给出了详细的实例讲解及运行结果。本书以基于云管理的无人驾驶园区智能交互系统为例，介绍其数据库系统设计与开发过程，并贯穿全书始终。同时紧密围绕智能时代特点，介绍了数据库相关领域的前沿技术发展，如大数据技术、云数据库、搜索引擎技术等，内容翔实、可操作性强，并配有PPT和学习案例等资源，便于学习者巩固知识。本书适合作为计算机科学与技术、软件工程、智能科学与技术、人工智能等相关专业本科生、研究生的数据库类课程的教材，也可供相关技术人员学习参考。

作为软件测试（包括白盒测试和黑盒测试）中的一个基本问题，测 例自动生成尤为重要，这是因为白盒测试中的许多问题（如控制流测试和数据流测试）以及黑盒测试中的一些问题都可以归结为测 例生成问题。解决这个问题的本质在于约束系统的建立和求解。约束求解是人工智能的一个传统研究方向。本书将系统地研究如何进行软件系统的约束建模和求解，利用人工智能的各种技术，对一些特殊情况（复杂数据类型、线性约束的区间初始化、库函数等）给出切实可行的解决方案。提升回归测试效率的一个重要方法是对测 例集进行优化，目前常见的优化方法有3种，分别是测 例集约简、选择和优先级排序。这3种方法分别适用于不同的场景，本书主要关注测 例集约筒和测 例优先级排序，通过对相关问题和已有方法的调研，将现在应用比较广泛的人工智能中的群智能算法和一些进化算法引入测 例集优化问题中，提出新的测试用例集约简和测 例优先级排序技术。本书的主要读者对象为软件工程研究者和从业人员。

人工智能方兴未艾，正在向人们生活的各个领域渗透。 本书紧扣业界前沿，主要介绍了一些当前流行、 具有广阔应用前景的人工智能新技术。此外，本书各个章节还就一些重点专题给出了Python语言的程序实现，使抽象的理论具体化，使生涩的算法容易理解。本书共分12章，主要介绍人工智能的基本概念、知识表示方法、确定性推理、不确定性推理、搜索问题求解策略、智能计算、机器学习、 人工神经网络与深度学习、多智能体技术、视觉感知与识别等人工智能 理论与应用。 附录中给出了本书用到的计算机程序语言——Python语言的相关基础， 供没有接触过Python的读者参考学习。本书可以作为高等院校相关专业本科生与研究生的教材，也可作为人工智能技术领域研究人员与工程技术人员的参考书。

人工智能是近年来最为火热的研究领域之一，尤其是随着深度学习算法研究的突破，人工智能技术在工业过程控制领域取得了前所未有的发展。深度学习算法涵盖的内容非常前沿和广袤，本书从表示学习的角度，针对流程工业的故障检测与诊断中存在的问题进行探究、模型构建与实验验证、分析，引导读者分析和解决问题，帮助读者最大限度地理解算法理论，提升工程实现能力。本书可供从事表示学习、故障检测与诊断算法研究人员参考。