《CAD三维建模实训教程/中天实训教程》介绍了CAD三维建模实训的相关内容，以典型零件的设计讲解为重点，包含了大量实践验证的零件图样，具有很强的三维建模实训的可操作性。《CAD三维建模实训教程/中天实训教程》是天津职业技术师范大学机械学院多年从事机械CAD/CAM教学和实训的经验总结，其教学内容经过多年的教学和实训的验证，适合三维建模实训操作方面的职业培训，可作为大学、职业院校（技工学校）的机械类专业机械CAD/CAM的实训教材，也可供从事CAD设计相关工作的科研、工程技术人员参考。

本书在现有智能优化方法的基础上，探索学习型智能优化方法的基本框架。书中采用智能优化模型和知识模型相结合的集成建模思路，总结了精英个体知识、构件知识、算子知识和参数知识4种知识形式，构建了用于实现学习型智能优化方法的8类典型知识，以此辅助学习型智能优化方法高效地求解复杂优化问题。针对连续优化问题、离散优化问题（非对称旅行商问题、双层CARP优化问题、柔性作业车间调度问题）和实际工程问题（体系仿真优化问题、卫星地面站系统任务调度问题、多星任务规划问题），分别设计了若干种学习型智能优化算法，并对优化结果进行了分析和解释。 本书主要面向在运筹学领域研究智能优化方法的企业、高校与科研院所的研究人员，帮助读者了解学习型智能优化算法的基本原理与框架流程，提高读者对学习型智能优化算法的实践与应用能力，促进学习型智能优化算法的发展与完善。

网络安全是一场无休止的攻防战。十几年前，网络安全工作者们普遍关注的是木马、病毒、挂马、钓鱼等纯粹的民用安全问题。之后是移动互联网、商业网站、商业系统的安全性问题（入侵、篡改、拖库、撞库、个人信息泄露、DDoS攻击等）。而到了2015年，网络安全工作者们*爱谈论的前沿话题是“APT（高级持续性威胁）攻击”。这是一种针对性和隐蔽性极强的网络攻击行为。本书首先从震网病毒讲起，然后介绍什么是APT攻击，以及全球发现的攻击态势、典型的攻击事件和影响，带领读者深入浅出地了解APT攻击；再从攻击的技术（包括APT 攻击的目标与平台、武器搭载系统、软件工具、使用的服务器等），战术布阵思路，以及攻防的未来发展趋势等方面，进一步地介绍APT攻击；*后详细分析了摩诃草、双尾蝎、美人鱼等APT组织的攻击全过程。本书可供政企机构管理人员，安全部门工作者，网络与信息安全相关研究机构研究人员，高等院校相关专业教师、学生，以及其他对网络空间安全感兴趣的读者学习参考。

暂缺简介...

《Python应用开发基础》包括Python程序设计的方方面面，首先从Python的安装开始，随后介绍了Python的基础知识和基本概念，包括列表、元组、字符串、字典以及各种语句。然后循序渐进地介绍了一些相对高级的主题，包括抽象、异常、魔法方法、属性等。此后探讨了如何将Python与数据库、网络、C语言等工具结合使用，从而发挥出Python的强大功能，同时介绍了Python程序测试、打包、发布等知识。《Python应用开发基础》内容涉及的范围较广，既能为初学者夯实基础，又能帮助程序员提升技能，适合各个层次的Python开发人员阅读参考。

编程教育的本质是一种思维训练，其中*为关键的是培养学生的计算思维。计算思维是运用计算机科学的基础概念进行问题求解、系统设计及理解人类行为的思维方式。Scratch以一种可视化、形象化、模块化的编程方式重新定义了程序设计，极大地降低了编程学习的门槛，让小学生学习编程成为可能。本书作者胡畔博士是佛山科学技术学院创客与STEAM教育中心主任，长期致力于青少年创客教育与STEAM教育研究及中小学创客教师培训工作。本书编写的主要目的是帮助青少年开发系统化的编程思维并掌握程序设计的基本概念与核心思想，启蒙并培养学生的计算思维能力与创新创造能力，为其将来学习其他编程语言奠定基础。本书内容以项目任务形式进行编排，由易到难，循序渐进，通过对任务进行层层分解，培养青少年分析问题与解决问题的能力。书中借助大量图形、图表对复杂抽象的知识进行可视化呈现与描述，为青少年搭建认知的桥梁。同时，在每课内容中融入游戏元素与STEAM跨学科知识，培养青少年对编程的兴趣及运用综合知识解决问题的能力。

《大数据智慧管理与分析之技术和实践：从数据仓库OLAP到NoSQL和NewSQL》分为两个部分，技术篇和实践应用篇。技术篇重点介绍大数据发展的特点和面临的挑战，讨论大数据智慧管理与分析技术——数据仓库和OLAP，介绍大数据、分布式、并行计算环境下，数据智慧管理技术的新发展——NoSQL数据库和NewSQL数据仓库，阐述了这两大类新技术的基本数据模型、系统架构和性能优势。实践应用篇分别从关系数据仓库建设与OLAP分析、基于Hive的数据仓库技术与OLAP应用、HBase大数据管理技术实践三个方面进行了详细地阐述，根据相关技术原理和应用需求，讨论了环境配置、建模、应用系统构建、OLAP。

支持向量机是基于统计学习理论，以结构风险小化为原则的一种针对小样本情况的新型机器学习方法，具有结构简单、全局优解和泛化能力强等优点。支持向量机目前已成为机器学习领域解决分类问题和回归问题的有效工具。然而，在现实问题中，由于受到各种因素的影响，样本数据通常含有噪声和异常值，这些数据使支持向量机的学习能力受到影响，表现在对异常值较敏感、鲁棒性较差等。《支持向量机鲁棒性模型与算法研究》拟从损失函数的角度出发，应用优化理论与方法，研究具有鲁棒性的支持向量机改进模型与求解算法，使其能更有效地解决实际问题。

内 容 简 介机器学习是当前解决很多人工智能问题的核心技术，自2012年以来，深度学习的出现带来了人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材，紧密结合工程实践与应用，系统、深入地讲述机器学习与深度学习的主流方法与理论。全书由23章组成，共分为三大部分。第1～3章为第一部分，介绍机器学习的基本原理、所需的数学知识（包括微积分、线性代数、*优化方法和概率论），以及机器学习中的核心概念。第4～22章为第二部分，是本书的主体，介绍各种常用的有监督学习算法、无监督学习算法、半监督学习算法和强化学习算法。对于每种算法，从原理与推导、工程实现和应用3个方面进行介绍，对于大多数算法，都配有实验程序。第23章为第三部分，介绍机器学习和深度学习算法实际应用时面临的问题，并给出典型的解决方案。本书理论推导与证明详细、深入，结构清晰，详细地讲述主要算法的原理与细节，让读者不仅知其然，还知其所以然，真正理解算法、学会使用算法。对于计算机、人工智能及相关专业的本科生和研究生，这是一本适合入门与系统学习的教材；对于从事人工智能和机器学习产品研发的工程技术人员，本书也具有很强的参考价值。

近年来，大数据、人工智能、物联网等技术正从概念走向现实，这些技术已经开始深刻地影响人们的生活方式和商业实践。即使对于普通人，弄清楚这些概念也是很有必要的。本书从概念出发，通过插图这种大众喜闻乐见的形式，结合详实的成功案例，为普通大众描述了生活大数据及其对民众的影响，商业大数据及其盈利模式，医疗、教育、媒体等大数据及其对行业带来的便利性，公共基础设施大数据及其对安全预测的作用，等等。最后，本书讨论了大数据和人工智能背景下人们必须进行的思维方式的转变。本书从零开始，适合于所有迫切需要了解大数据和人工智能概念的读者。