暂缺简介...

《计算思维之快乐编程（初级C++描述）》围绕程序设计基本方法的构建及应用，以思维能力培养为目标而展开。全书分为8章，第1章主要解析程序设计的相关概念和环境；第2、3章分别解析程序两个DNA（数据组织和数据处理）的基本构建方法及其C++语言支持机制；第4章主要解析面向功能方法的构建及其C+十语言支持机制；第5章主要解析面向对象方法的构建及其C++语言支持机制；第6、7章主要解析两种程序设计基本方法的基本应用（第6章主要解析排序，第7章主要解析搜索）；第8章主要解析程序设计的应用要素。《计算思维之快乐编程（初级C++描述）》主要面向青少年程序设计科普活动的教学与培训，也可以作为新课标程序设计相关课程的教学参考和辅导教材，同时也适用于爱好程序设计的广大读者的科普。

SSM目前是J2EE开发z常用、z流行的框架。本书将对Spring、Spring MVC、MyBatis、Spring Boot、Docker的使用进行介绍，每一章都有代码示例，便于理解每个章节的知识点，让读者掌握SSM框架，快速 上手。全书分为11章，内容包括Spring框架用到的注解、反射，Spring框架基础，核心容器，AOP，DAO，ORM与MyBatis，Spring MVC，Spring Boot配置，Spring Boot应用，Docker入门知识，最后实现一个用户权限管理的项目案例。本书既适合Spring框架初学者学习（需要有Java编程基础），也适合高等院校和培训学校相关专业的师生参考。

在区块链世界，区块链1.0时代是比特币，区块链2.0时代是以太坊，区块链3.0时代是EOS。EOS如同一个完整的操作系统，用户或者机构可基于它构建各种应用程序。本书共有8章，可分为使用手册与源码分析两部分。使用手册部分主要介绍如何快速启动单节点EOS链、终端交互命令cleos的使用，并模拟公链的配置与启动。源码分析部分主要介绍源代码调试、EOS数据持久化机制、系统智能合约架构以及插件系统。无论是正在使用EOS的软件工程师、测试工程师、运维工程师、架构师，还是热衷新技术的产品经理、管理人员，本书都具备很强的辅导和参考价值。

本书结合实际案例介绍了PMML语言的各个组成元素，包括数据字典、挖掘模式/架构、数据转换、模型定义、输出、目标、模型解释、模型验证等元素，并介绍了表述数据挖掘模型的PMML实例文档创建流程；同时也对各种PMML元素中涉及的一些统计知识做了必要介绍。通过学习，读者可以完整地了解和掌握PMML语言，将其应用于数据挖掘建模。 本书可供从事数据挖掘（机器学习）、人工智能系统开发的软件开发者和爱好者学习使用，也可以作为高等院校大数据等相关专业的教材。

本书总结了大量 3D 打印实际教学工作中的经验，通过完整的教学设计、课堂互动、课后练习和实际建模设计相结合，帮助读者掌握 3D 打印机的实操要领。本书为 3D 打印的 \n基础通用型教材，适合初学者阅读使用，也适合中职院校教学及中小学的学生社团相关课程使用。 \n

随着城市化进程的不断加快，城市公交网络作为城市重要的交通网络之一，面临着动态客流量的迅速增长和时空分布不均衡等问题。本书主要对基于客流驱动的城市公交网络优化模型及算法进行了研究，主要内容包括城市公交复杂网络基础理论、基于复杂网络的公交OTD矩阵生成模型及算法、城市公交线网客流及拓扑结构分析、基于客流加载的城市公交网络鲁棒性分析等。本书结构合理，条理清晰，内容丰富新颖，是一本值得学习研究的著作，可供相关工程技术人员参考使用。

《R数据可视化之美：专业图表绘制指南》主要介绍使用R 中的ggplot2 包及其拓展包绘制专业图表的方法。本书先介绍了R 语言编程基础知识，以及使用dplyr、tidyr、reshape2 等包的数据操作方法；再对比了base、lattice 和ggplot2 包的图形语法。本书首次系统性地介绍了使用ggplot2 包及其拓展包绘制类别对比型、数据关系型、时间序列型、整体局部型等常见的二维图表的方法，以及使用plot3D 包绘制三维图表（包括三维散点图、柱形图和曲面图等）的方法。另外，本书也首次介绍了论文中学术图表的图表配色、规范格式等相关技能与知识。

目前，人工智能、大数据等技术开始逐步进入教育领域，上至国家，下至一线学校，无不关注这些技术在促进学生学习上的作用和影响。本书正是在此背景下，基于已有文献，在全面了解人工智能教育应用的现状的基础上，对高等教育大数据应用中人工智能教育研究及应用中的问题加以分析，并提出相关对策；然后后对人工智能教育中涉及的重要技术以及理论基础进行梳理，并重点对智能教学及专家系统，智能学伴，“人工智能教育”的领域、要素和活动以及人工智能在学科知识单元学习中的应用等方面进行深入分析和探讨。

《OpenCV机器学习（影印版）》首先介绍了统计学习的基本概念，例如分类和回归。介绍完所有的基础知识之后，就开始探究如决策树、支持向量机、贝叶斯网络等算法，学习如何将它们与其他OpenCV功能综合运用。你的机器学习技能会随着书中内容的进度一同提高，直到准备好学习当前热门的主题：深度学习。在《OpenCV机器学习（影印版）》的结尾，你可以根据现有的源代码构建或是从头开发自己的算法来解决自己碰到的机器学习问题！