本书面向高等学校理工科专业学生和行业工程技术人员，旨在帮助理工科专业低年级学生和相关行业还没有编程基础的工程技术人员了解计算机程序设计的基本思想和方法，熟练掌握MATLAB工具，引导读者从计算机程序设计的基本概念逐渐过渡到工程实践应用。全书共分为三篇：第一篇MATLAB程序设计基础（第1章~第5章），主要介绍计算机程序设计的基本概念、MATLABR2022b的工作环境及基本操作、基本数据类型及运算、MATLAB基本结构程序设计、函数、排序索引与搜索；第二篇MATLAB高级程序设计（第6章~第8章

"“测试设计思想”是本书的主题。针对测试的两个基本目的和五个基本问题,本书归纳了八类测试设计思想,即系统的思想、枚举的思想、准则化的思想、多样化的思想、统计的思想、冗余的思想、推理的思想、控制的思想。围绕每一类思想,本书深入讲解来自不同领域的测试设计方法、实践及理念,借此剖析如何依据该思想缓解测试的基本问题。“测试设计思想”来源于工程,又**工程;立足于具体领域,又跨越具体领域。了解这些思想,有助于读者奠定扎实的测试理论基础,适应当代研发生产活动“多学科交叉、多领域融合”的发展趋势。本书可供软件

《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

本书紧扣软件测试和软件工程标准规范要求，结合国内相关专业领域软件测试现状，设计了一套适应软件测试项目管理的方法，系统地介绍了相关的知识、技术、方法和软件工具，给出了较为详细的测试项目管理文档和记录表格模板。本书从笔者所在单位特别是软件评测中心的视角进行系统阐述，更适用于软件评测项目管理要求，技术和方法的实用性好，内容指导性强，可用于同领域教育培训，对于提高软件从业人员的测试项目管理能力，帮助软件测试机构规范测试过程管理、提高软件测试效率具有很好的指导作用。

随着通信技术和硬件技术的快速发展以及移动设备的普及，云计算和边缘计算的资源管理问题在工业界和学术界都引起了广泛的关注。为满足相关研究人员的参考需求，作者编著了《面向云-边协同计算的资源管理技术》》，主要介绍云-边协同资源管理相关理论和研究，帮助读者了解云-边协同资源管理问题和解决方法。《面向云-边协同计算的资源管理技术》》呈现了以下理论、技术与应用：云计算；边缘计算；云-边协同；资源管理使能机制；资源自适应管理方法。

本书以实战项目为主线，系统介绍了Python在自动化办公、图像处理、控制各种传感器、搭建网络等工作中的实际应用案例，能够让初学者快速入门Python系列知识。全书共分为18章，第一篇为Python基础（第1章~第3章），详细介绍了Python的基础知识；第二篇为自动化办公（第4章~第6章），介绍了Word、Excel、PPT、txt、csv、JSON、图像、声频、视频等各种文件的自动化操作；第三篇为PyQt5编程（第7章~第10章），介绍了用designer可视化设计程序图形界面的知识；第四篇为

本书针对数学建模中常用的数值算法的实现编写了MATLAB程序，帮助读者使用相关算法实现科学问题的求解。全书共16章，首先简单介绍了MATLAB基本运算，然后重点介绍了MATLAB数学建模中常用数值算法的实现方法，包括常用运算、矩阵分解、特征值与特征向量、线性方程组、非线性方程与方程组、数据插值、曲线拟合、数值积分、常微分方程组、数据分析、极值问题、数学变换与滤波、序列排序、特殊函数求值等内容；附录部分给出了MATLAB自带的数学函数，方便读者查阅验证。本书提供了全部MATLAB程序代码，方便读者

《深度学习之图像识别：核心算法与实战案例（全彩版）》全面介绍了深度学习在图像识别领域中的核心算法与应用。该书不但重视基础理论的讲解，而且从第4章开始，每章都提供了1～3个不同难度的案例供读者实践，读者可以在已有代码的基础上进行改进，从而加深对所学知识的理解。《深度学习之图像识别：核心算法与实战案例（全彩版）》共9章：首先介绍深度学习的基础概念，包括神经网络基础知识和深度学习中的优化技术；然后系统介绍深度学习中与数据相关的知识，包括经典数据集的设计、数据集的增强，以及数据的获取、整理与可视化；接着

《机器学习项目交付实战》将介绍如何从模型和数据中获取**性能，帮助你构建稳定的数据管道。通过高效的可复用技术集合，来确保应用程序工作流程的顺利执行，以及提高模型的可维护性。基于数十年的良好软件工程实践，机器学习工程可确保你的机器学习系统具有弹性、适应性和可执行性。《机器学习项目交付实战》将介绍设计、构建和交付成功的机器学习项目的核心原则和上佳实践。你将了解很多软件工程技术，例如对原型进行实验和实施模块化设计，从而产生弹性架构和一致的跨团队沟通。基于作者丰富的经验，本书中的每一种方法都被成功地用于

在《C++CoreGuidelines解析》中，C++专家讲师RainerGrimm提炼出了CoreGuidelines中的精髓，去除了晦涩难懂的内容，分享了新的见解和背景，并提供了自己培训课程中经过充分测试的示例。对于使用C++11及后续版本C++的有经验程序员，Grimm能为他们提供帮助，使其用好CoreGuidelines。他的大部分代码示例是为C++17编写的，在合适的地方涵盖了更新版本和C++20，并提供了对官方C++CoreGuidelines在线版本的引用。无论你是创建新软件还是改