《数据科学实用算法》分为三部分。第I部分“数据约简”首先讨论数据约简和数据映射等概念，然后讲述关联统计、可扩展算法和分布式计算等基础知识。第II部分“从数据中提取信息”呈现线性回归、数据可视化和聚类分析等主题，用一章的篇幅介绍医疗分析的关键领域。第III部分“预测分析”通过开发两个基本且广泛使用的预测函数（k近邻和朴素贝叶斯）向读者介绍预测分析技术，用一章的篇幅专门论述预报，*后一章重点介绍数据流。

《Java高级程序员面试笔试宝典》是一本讲解Java高级程序员面试笔试的百科全书，在写法上，除了讲解如何解答Java高级程序员面试笔试问题以外，还引入了相关知识点辅以说明，让读者能够更加容易理解。由于Java高级程序员所需要掌握的知识体系，较之初级、中级程序员会更加底层，所以《Java高级程序员面试笔试宝典》会花费大量篇幅针对Java语言的高级特性（泛型、Collection框架、JUC框架、Java IO、JVM等）进行深度剖析。《Java高级程序员面试笔试宝典》将Java高级程序员面试笔试过程中各类知识点一网打尽。在广度上，通过各种渠道，搜集了近3年主流IT企业针对高级Java程序员岗位的笔试、面试涉及的知识点，包括但不限于Java高级程序员必须掌握的各类技术点等，所选择知识点均为企业招聘考查的高频知识点。在讲解的深度上，《Java高级程序员面试笔试宝典》由浅入深，分析每一个知识点，并提炼归纳，同时，引入相关知识点，并对知识点进行深度剖析，让读者不仅能够理解这个知识点，也能游刃有余地解决相似的问题。本书结构合理、条理清晰，对于读者进行学习与检索意义重大。《Java高级程序员面试笔试宝典》是一本计算机相关专业毕业生面试、笔试的求职用书，同时也适合期望在计算机软、硬件行业大显身手的计算机爱好者阅读。

暂缺简介...

《AutoCAD中文版机械设计自学视频教程》运用大量实例、案例讲述了AutoCAD 机械绘图的应用方法和技巧。全书分为设计基础篇、典型机械零件二维设计篇、典型机械零件三维造型篇。其中，设计基础篇包括国家标准《机械制图》的基本规定、AutoCAD入门、二维绘图命令、二维编辑命令；典型机械零件二维设计篇包括机械图形尺寸标注方法、通用标准件设计、螺纹零件设计、盘盖类零件设计、轴系零件设计、叉架类零件设计、箱体类零件设计、球阀二维设计；典型机械零件三维造型篇包括三维图形基础知识、螺纹类零件三维设计、盘盖类零件三维设计、轴系零件三维设计、叉架类零件三维设计、箱体类零件三维设计、球阀三维造型设计。另附一章线上学习内容，为机械图形二维表达方法，供有兴趣的读者扩展学习。

《Mountebank微服务测试》主要介绍如何使用mountebank测试微服务，通过阅读，可以深入了解mountebank的全部功能以及服务虚拟化的适用范围。无论是微服务系统的开发工程师，还是进行QA或者性能测试的测试工程师，以及将客户需求转换为实际可执行项目的解决方案架构师，都适合阅读。1. 服务虚拟化的核心概念；2. 使用屏蔽响应进行测试；3.mountebank编程；4.性能测试。

■ 领会测试驱动、API 优先的开发理念■ 通过创建和消费后端服务（如数据库和队列）与其他服务交互■ 构建依赖于外部数据源的微服务■ 学习事件溯源（以事件为中心的持久化方法）■ 使用 ASP.NET Core 开发适合部署在云环境的 Web 应用■ 开发一个消费其他服务或被其他服务消费的微服务■ 创建可接受外部配置的服务和应用■ 探索用于保护ASP.NET Core 微服务和应用的方法

本书面向初学者，以跨学科的方法介绍计算机科学的基本知识。全书包括两个部分，第壹部分介绍编程，包括基本元素、方法、面向对象编程和算法。第二部分则介绍计算机科学的高级主题：算法和数据结构、计算理论和计算机体系结构。本书内容丰富、循序渐进，适合作为高校本科生计算机科学入门课程的教材。

本书第1章定义了创造力和创新，第2章分析了人类大脑的工作原理，第3章讲解了“全脑工具”，第4章举例说明了11种全脑方法，第5章介绍了创造和创新过程中可能会遇到的障碍，第6章描述了创造力和创新领袖的7个特征，第7章讲解了更先进的全脑方法，第8章补充了一些案例，第9章囊括了将创意付诸实践的战略和战术。

对于VR-AR领域，“神话”源于硬件成本的降低，越来越多盲目乐观的创业者以为仅靠热情和创意就能赢得成功；而“现实”是很多应用只停留于模仿阶段，投入不菲却*终被市场所抛弃。本书汇集了30余位学术界和企业界的专家，内容涵盖VR-AR的基础概念、应用实例、发展历程、面临的挑战以及未来的前景。本书不仅适合该领域的投资者、决策者、创业者和技术开发者参考，而且适合广大新兴技术的爱好者阅读。

AutoML可以将部分机器学习过程自动化，减轻数据科学从业者的工作负担，深受高级分析人员的喜爱。本书介绍搭建AutoML模块的基础知识，并通过练习帮助读者消化这些知识。读者将学习使用机器学习流水线自动实现数据预处理、特征选择、模型训练、模型优化等任务，学习应用auto-sklearn和MLBox等已有的自动化库，并且创建和扩展自定义的AutoML环节。阅读本书，你将对AutoML有更清晰的认识，能利用真实数据集完成自动化任务。书中知识可运用到实际的机器学习项目中，或者在机器学习竞赛中助你一臂之力。