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。

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。

本书系统全面地阐述了数据库的基础理论、基本技术和基本方法，具体内容主要包括数据库系统概述、数据库模型、数据库设计、创建数据库和数据表、结构化查询语言及数据查询、视图、事务管理、数据库的存储过程与触发器、数据库的安全管理与备份。在素材组织上，本书注重问题的提出、分析、解决，内容的逻辑性，以及理论和应用的结合。从 基础的原理和概念开始讲解，使读者慢慢地了解数据库的知识，并且引入了实际应用中的案例，对具体的操作步骤都进行了演示，系统且全面。同时，引用的案例通俗易懂，能够使读者快速地理解基础知识和学会操作流程。本书可作为高校学生学习数据库的入门教材，也可以作为有志于学习数据库技术的读者的参考用书。当然，读者可根据自己的需要，在阅读本书时做一些适当的取舍。

本书详细阐述了使用Power BI实现数据的处理和分析的相关方法和实现操作。 全书共10章，主要内容包括数据分析概述、数据的获取、数据处理基础、 M语言基础、使用M语言进行自动化数据处理、数据可视化、DAX语言基础、数据分析基础、数据分析进阶、数据分析应用案例。 本书适合各行各业需要进行日常数据处理和分析的办公人员和数据分析人员阅读，也可以作为大专院校学生的教材或参考书使用。

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。

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。

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。

本书根据现有的大数据技术理论，综合介绍了大数据技术的相关基础理论知识，并提供了部分实践操作介绍。本书共8个章节，内容包含大数据的概念和特征，大数据计量，大数据生命周期，大数据与云计算，Hadoop，HDFS，MapReduce，大数据编程语言Python、Spark、R语言，数据预处理，聚类分析，k-邻近分类算法，数据可视化，大数据应用，大数据安全与威胁，爬虫技术，MINIST数字识别技术。本书分别在大数据采集与预处理、数据挖掘与分析等重要章节中安排了入门级的实践操作内容，以便读者 好地学习和掌握大数据关键技术。本书可以作为高等院校数据科学与大数据等相关专业的课程教材，亦可作为大数据爱好者的科普读物。