本书重点介绍收集、分析和解释数据所需的关键技能,以及成为优秀数据科学家的基本原则,特别强调分析数据时什么是真正重要的内容。本书从底层逻辑出发,由浅入深地介绍了数据科学的概念、所需的数学基础、数据的整理清洗方法、数据分析方法(包括统计分析、可视化、数学模型、线性回归、logistic回归、机器学习算法等)以及学习大数据分

本书从计算机控制系统的信号转换开始，详细阐述了计算机控制系统的建模、性能分析、控制器设计及控制系统仿真与实现的理论、方法和实用技术。

本书简要阐述了数据治理的基本概念及相关理论，侧重于数据质量管理和数据集成两方面，介绍相关基本理论的同时，详细描述了自主研发的数据质量管理系统和多源数据汇集处理系统。基于这些数据治理软件，结合具体的实际案例，详细描述了数据质量管理与数据集成的典型功能。本书案例内容丰富，步骤翔实具体，有助于读者在理解数据质量管理和数据集成

本书只需要读者对物理和数学有基本的知识，内容涵盖：机器人学概论、工业机器人机构的基本特征；、机器人机构几何模型、机器人的运动学和动力学、机器人传感器和机器人轨迹规划、机器人视觉、执行器轨迹或力的基本控制方案；带有进给装置和机器人抓手的机器人工作单元。第二版在上一版的基础上扩展了新主题：协作机器人、移动机器人和类人机器人

本书内容按照数学知识的由浅入深分成了四个部分。基本分析部分介绍了非线性系统的基本概念和基本分析方法；反馈系统分析部分介绍了输入输出稳定性、无源性和反馈系统的频域分析；现代分析部分介绍了现代稳定性分析的基本概念、扰动系统的稳定性、扰动理论和平均化以及奇异扰动理论；非线性反馈控制部分介绍了反馈控制的基本概念的反馈线性化，并

本书分为智能机器人基础、智能机器人技能传递、智能机器人人机协作三部分，涵盖机器人学基础、控制基础、视觉测量、策略表达、模仿学习、基于时间索引的协作框架、多模态感知与手势意图识别等内容。

本书系统梳理总结ApacheHadoop大数据相关技术，介绍大数据存储、并行计算、数据处理等内容，帮助读者形成对大数据知识体系及其应用领域的轮廓性认识，为读者在大数据领域进行更深入的学习和研究奠定基础、指明方向。

本书首先对工业机器人进行了介绍，包括其基础知识、安装及基本操作；其次对工业机器人整机性能和关键零部件性能的检测试验及实施进行了讲解；最后对试验记录及质量记录的要求进行了介绍。

本书介绍了工业机器人产品整机性能和关键零部件性能的检测方法开发。全书共6章，介绍了工业机器人基础知识及其安全作业要求，工业机器人整机性能和关键零部件性能的检测方法开发，试验记录和试验报告的要求，质量管理的要求。

本书共9章，介绍了工业机器人基础知识及其安全作业，工业机器人标准，工业机器人整机和关键零部件的质量要求与检测方法，测量不确定度的评定，工业机器人机械安全评估，试验记录与试验报告，质量管理等内容。