《机器学习与人工智能实战：基于业务场景的工程应用》分为两部分共14章，介绍了如何用Scikit-Learn来构建机器学习模型以及如何用Keras和TensorFlow来构建神经网络。书中的内容和实例基于作者过去几年在全球各地开设相关课程的经历，阐述了如何借助于机器学习和深度学习来构建产品或服务，从而真正解决现实业务场景中的问题，比如监测热带雨林盗伐、文本情感分析以及预测机械设备的早期故障等。 《机器学习与人工智能实战：基于业务场景的工程应用》适合相关工程师与软件开发人员阅读和参考，可以帮助他们快速入门并通过书中的操作实例迅速掌握机器学习和人工智能。 《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》基于作者多年的积累，通过概念及其解释、Python代码示例及其解释和代码输出，特别针对零基础读者精心设计了这本机器学

本书介绍了如何通过Python自动化地完成物理领域方面的研究。全书共分为4个部分，以Python代码为示例向读者介绍了如何用Python解决物理项目中出现的各种问题。部分（~6章）：起步，介绍Python的基本知识，如命令行、数据容器、类和对象等。第2部分（第7~13章）：上手，主要介绍正则表达式、数据可视化、存储数据等实用知识。第3部分（4~18章）：完善，介绍如何构建流程和软件、版本控制、调试和控制代码等。第4部分（9~23章）：发布，介绍如何为代码生成文档、如何提高协作效率和软件许可证以及的相关知识等。本书适合想要通过Python减少工作量的物理学领域的研究人员阅读，也适合想要学习如何通过Python编程解决物理问题的读者参考。

本书共分15章，从CATIA?V5R20基础入门讲起，以循序渐进的方式详细讲解了草图设计、零件设计、装配设计、工程图设计、创成式曲面设计、自由曲面设计、IMA曲面设计、钣金设计、自顶向下设计、渲染、有限元分析、模具设计、数控加工与编程和运动仿真与分析。书中配有大量的综合应用案例。本书讲解所使用的模型和应用案例均来自各行各业真实的产品。? 本书带1张多媒体教学，制作

《高等学校工程创新型“十二五”规划计算机教材》为教学团队教学成果。《数据结构实用教程（C版）》根据*高等学校计算机科学与技术教学指导委员会制定的《高等学校计算机科学与技术专业发展战略研究报告暨专业规范》编写，首先介绍了数据结构的核心基础知识——数据、数据类型、数据结构等基本概念和算法、算法的性能度量等知识，然后集中讨论了四种基本的数据结构——集合、线性表、树和图，同时介绍了栈、队列、串、数组以及广义表等数据结构，介绍了排序和查找的几种基础算法及实现（用C语言）。本书强调数据结构的工程应用，以模板的形式给出各种不同数据对象应用数据结构的多个实例，从而实现数据结构与工程应用的有机结合。本书可以作为高等院校计算机及相关专业学生的教材，也可供培训机构及自学者参考。