本書系統(tǒng)介紹了如何采用亞馬遜云科技提供的服務來進行云上運維。全書共11個單元，內容包括了解系統(tǒng)運維、服務器運維、網絡運維、數(shù)據庫運維、監(jiān)控與審計、存儲與存檔、創(chuàng)建自動化的部署、自動化管理工具、系統(tǒng)的彈性與高可用、內容分發(fā)網絡以及成本管理。本書以任務驅動的方式對知識點進行細致的講解，采用以AWS命令行界面(AWSCLI)

本書是基于MATLABR2021a產品族，以教程和實訓緊密結合的形式編寫而成的，深入淺出地介紹了MATLAB的應用。教程部分比較系統(tǒng)地介紹了MATLAB的基本運算、數(shù)據的可視化、符號運算、程序設計和M文件、MATLAB高級圖形設計、Simulink仿真應用和線性控制系統(tǒng)的分析等內容，以先講解后實例的方式，圖文并茂，例題

本書是一本專注于Windows操作系統(tǒng)信息安全的教材，內容涵蓋了常見Windows操作系統(tǒng)信息安全項目案例。本書以培養(yǎng)學生的職業(yè)能力為核心，以工作實踐為主線，以項目為導向，采用任務驅動、場景教學的方式，面向企業(yè)信息安全工程師人力資源崗位能力模型設置教材內容，建立以實際工作過程為框架的職業(yè)教育課程結構。本書分為基礎模塊、

本書是關于C++程序設計的經典教材，中文版分為基礎篇和進階篇，主要介紹程序設計基礎、面向對象程序設計和數(shù)據結構。本書采用“基礎優(yōu)先，問題驅動”的教學方式，在設計自定義類之前介紹基本的編程概念和技術，同時側重于解決問題而非語法，通過不同領域的示例說明相關概念。本書引導讀者循序漸進地學習，從基本的編程技術到面向對象編程，從

本書是關于C++程序設計的經典教材，中文版分為基礎篇和進階篇，主要介紹程序設計基礎、面向對象程序設計和數(shù)據結構。本書采用“基礎優(yōu)先，問題驅動”的教學方式，在設計自定義類之前介紹基本的編程概念和技術，同時側重于解決問題而非語法，通過不同領域的示例說明相關概念。本書引導讀者循序漸進地學習，從基本的編程技術到面向對象編程，從

本書主要介紹數(shù)據可視化分析相關知識，所使用的工具為Tableau。本書基于以多個實際案例為背景的具體數(shù)據，介紹了常用的商務數(shù)據分析圖形的制作，以及如何利用圖形獲得分析數(shù)據，得出結論。讀者通過本書可以掌握數(shù)據可視化分析理論，并且能夠制作可視化分析圖表，基于圖表獲得分析結論，從而為企業(yè)經營提供指引。

本書包含9章內容，第1章緒論介紹機器人的基本組成、分類、發(fā)展歷程和應用，以及機器人機構創(chuàng)新設計的研究內容。第2章和第3章介紹機器人學研究涉及的數(shù)學基礎，并根據機器人機構創(chuàng)新設計的流程重點介紹有限-瞬時旋量數(shù)學框架。第4章至第8章涵蓋串聯(lián)、并聯(lián)機器人機構設計的全部環(huán)節(jié)，包括機構構型綜合、運動學建模、靜力學建模、動力學建模

本書是一本精簡的神經網絡入門教程，用通俗易懂的語言講解神經網絡的相關知識。本書共6章，第1章對神經網絡領域進行概述，包括其歷史和應用；第2章深入探討神經元的數(shù)學模型，包括其輸入、權值、偏置和激活函數(shù)；第3章介紹感知機的概念，討論感知機的結構，并解釋如何用它來解決簡單的分類問題；第4章介紹多層感知機的概念，講述如何使用前

本教材系統(tǒng)地講解了機器學習的理論與方法，內容主要包括高斯混合模型和EM算法、主題模型、采樣與非參數(shù)貝葉斯方法、聚類分析、支持向量機、概率無向圖模型、概率有向圖模型、矩陣與張量分解、多層感知機與卷積神經網絡、序列神經網絡，以及強化學習。本教材旨在使讀者了解機器學習的發(fā)展，理解和掌握機器學習的基本原理、方法與主要應用。本書

機器學習是人工智能的核心領域之一，本書配套周志華教授所著的《機器學習》教材，通過大量習題考查讀者對機器學習相關知識點的理解與掌握。本書分為兩個部分：第一部分習題對應《機器學習》第1-10章的內容，包括緒論、模型評估與選擇、線性模型、決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習；第二部分包含