C#语言已经成为.NET平台中*流行的编程语言。本书以Visual Studio 2012和SQL Server 2008为开发平台，从实际应用的角度出发，重点介绍了使用C#开发Windows应用程序的方法和技术。全书共9章内容，第1章为C#概述，介绍了Microsoft.NET平台概述、C#语言简介、Visual Studio集成开发环境和C#程序结构介绍；第2~3章为C#程序设计基础，通过实例以循序渐进的方式介绍了C#语言的各种语法、知识点和面向对象的基本思想；第4~5章介绍了使用C#语言开发Windows窗体应用程序，包括Windows窗体常用控件、菜单编程、对话框和多文档编程；第6章介绍了各种文件操作；第7章介绍了进程，包括线程和多线程编程；第8章介绍了数据库编程；第9章通过开发一个图书馆管理系统，全面介绍了软件开发流程，阐述了使用Visual C# 2012开发Windows应用程序的基本知识。本书内容立足于课堂教学和实际应用，各章均配有

本图书注重数字化转型的根本任务、核心路径、关键驱动要素。从价值体系优化、创新和重构，新型能力建设，数据要素驱动提出系统化推进数字化转型的一整套参考架构，提出能力单元的模型及建设要点，具有系统性、针对性、可执行性，具有很高的应用价值。本图书从按照价值体系优化、创新和重构的要求提出数字化转型的主要视角，以新型能力建设为主线提出数字化转型的过程方法，围绕数据要素驱动作用的逐步发挥提出数字化转型的发展阶段要求，构建一套数字化转型参考架构，从而支持相关各方更加系统化、体系化、全局化推进数字化转型这一复杂巨系统工程。 本图书面向开展数字化转型的企业及提供数字化转型服务的各类组织。

数据是什么？如何应用数据？如何把数据变成 有价值的东西？本书主要适合刚开始使用数据的读者，能让他们对数据的含义、价值及用途有清晰的认识和了解，本书目的是介绍数据的相关知识，同时鼓励人们参与到日益增多的与数据有关的对话中。 本书通过介绍简单数据相关知识，即从一个总体目标、两种思维系统、三大应用领域、四种数据尺度、五种数据分析方法、六种数据展现方式、七种数据活动、八个提前问的问题分别展开阐释数据和分析的方法和思维方式。

《现代模式识别（第2版）（研究生教学用书）》系统深入地论述了各类经典的模式识别的理论与方法，同时还较全面地反映了本学科的新近科技成果。书中讨论的主流模式识别技术有：统计模式识别、模糊模式识别、神经网络技术、人工智能方法、子空间模式识别及结构模式识别等。 《现代模式识别（第2版）（研究生教学用书）》共17章。章为引论；第二章至第七章介绍统计模式识别，包括：聚类分析、判别域代数界面方程法、统计判决、统计决策中的学习与错误率估计、最近邻法和特征提取与选择；第八章为模糊模式识别方法；第九章介绍神经网络技术；第十章信息融合主要论述识别与决策中的有关融合技术；第十一章为结构模式识别；第十二章智能化方法侧重讨论不确定推理；第十三章阐述决策树；第十四章论述支持矢量机；第十五章讨论隐马尔可夫模

《预测分析与数据挖掘 RapidMiner实现》旨在帮助读者理解数据挖掘方法的基础知识，并实现无需编写代码就能在自己的工作中实践这些方法。书中围绕分类、回归、关联分析、聚类、异常检测、文本挖掘、时间序列预测、特征分析等数据挖掘问题，着重介绍了决策树、k近邻、人工神经网络、线性回归、k均值聚类等当今广泛使用的二十多种算法，针对每一种算法都先以通俗的语言解释其原理，再使用开源数据分析工具 RapidMiner加以实现。《预测分析与数据挖掘 RapidMiner实现》适合在日常工作中大量接触数据的分析师、金融专家、市场营销人员、商务专业人士等阅读。