本书与以往统计学中的概率论略有不同,添加了一些复杂数据类型的概率基础知识和模拟计算中的相关概率知识。具体安排如下所述。本书共分6章。第1章为概率与计数,基本内容是随机事件、概率空间、计数方法、概率的确定方法。第2章为条件概率,基本内容是条件概率与乘法公式、事件的独立性、全概率公式与贝叶斯公式。第3章为随机变量,基本内容是随机变量及其分布函数、随机变量的分类、二维随机向量、随机变量的独立性、随机变量函数的分布。第4章为常用的概率分布,基本内容是常用的离散型随机变量、常用的连续型随机变量、随机数的产生。第5章为随机变量的数字特征,基本内容是数学期望、方差和协方差、矩和矩母函数、条件期望。第6章为不等式和极限定理,基本内容是概率不等式、大数定律及其应用、中心极限定理。

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。

本书内容共分为7章。 第1章介绍了数据分析的应用背景、研究内容和基本概念。第2章聚焦于数据的可视化方法，并例举了现有网络工具的使用方法，本章内容几乎不需要编程基础。第3章着眼于数据分析与数学优化建模的联系，并介绍了常用的梯度下降优化算法。第4章凸显了数据降维和特征提取的必要性，给出了一些常用的降维算法。第5章和第6章详述了无监督学习和有监督学习的典型算法及示例。第7章介绍了深度学习的鲁棒性问题，这是当前数据分析的前沿领域。本书 的附录部分简述了深度神经网络的基本原理以及PyTorch开发框架。

《数据库原理与应用(VFP第2版)》由长期从事“数据库原理与应用”课程一线教学工作的教师编写完成。在编写过程中，主编祝胜林参考了相关的著作、中文VFP的帮助信息和各种与中文VFP有关的等级或水平考试大纲，同时融合了自身的教学经验。因此，《数据库原理与应用(VFP第2版)》具有如下特点：(1)系统性。可以帮助学生系统地学习有关数据库的基本原理与方法。 (2)针对性。本书的举例和习题经过精心挑选，应用分析条理清晰，可以满足学生参加各种考试复习的需求。 (3)新颖性。对传统的章节结构进行了重新编排，使内容更加紧凑，同时也更加突出数据库应用的重点。 (4)实践性。“数据库原理与应用”课程是一门实践性非常强的课程，本书根据应用操作的需要，精心设计了上机操作的题目。