《人工智能通识教程》主要介绍人工智能的核心技术与应用发展，内容涵盖人工智能概述、人工智能技术原理、人工智能交叉学科及融合技术、人工智能应用方向、人工智能应用场景、人工智能发展展望和人工智能时代的职业展望。引入丰富的实践案例和拓展阅读，旨在帮助学生深入理解人工智能的技术脉络与社会影响，掌握相关领域的基础知识，提升技术应用能力，适应数字化时代的发展需求。本书结构清晰，理论与实践结合，可作为职业本科院校、高职高专院校人工智能通识课程的教材，也可作为对人工智能技术感兴趣的读者的参考资料。

本书是清华大学精品课“工程热力学”的教学材料之一，可作为主教材《工程热力学（第3版）》的教学参考用书，也可单独使用。为了便于与主教材对照参考，本书各章的排序与主教材基本相同。每章内容包括主要要求、内容精要、思考题和习题的详细解答以及解题中易出现的问题和相关提示等。内容安排循序渐进，注重引导读者清晰理解和掌握基本概念、基本定律及基本定理，明确重点和难点，培养从热力学的角度抽象和解决实际问题的思维和能力。

"《AI重塑未来技术变革与人类共生的图景》深入探讨人工智能技术发展趋势及其对人类社会影响，系统阐述AI技术的现状、应用前景以及未来十年可能带来的深刻变革。全书共分为五篇：第一篇AI时代的到来（第1～4章），从人工智能的基本概念出发，深入解析深度学习、强化学习、大模型等核心技术原理，探讨数据驱动的智能时代特征，并客观分析AI技术的边界；第二篇AI如何重塑行业（第5～10章），详细阐述AI在医疗、金融、教育、制造业、法律及媒体创意等六大核心行业的创新应用和变革模式；第三篇AI如何改变我们的日常

《人工智能通识与AIGC应用》第Ⅰ篇主要涵盖人工智能概述、伦理、大语言模型、智能体、生成式AI等内容，每个项目以实际场景切入，引导学生分析问题并实践。第Ⅱ篇聚焦文本生成，数据分析，图像、语音、视频生成，AI辅助编程等实践技能，帮助学生使用低代码工具(如DeepSeek、Midjourney)解决实际问题。第Ⅲ篇适合信息类专业的学生深入学习。本书案例均源于校园生活与产业需求，有助于强化学生将技术与场景相结合的能力。项目1~11使用零代码和低代码工具完成，降低了非信息技术专业学生的学习难度。本

算法设计与分析是计算类专业的核心课程，学生在学习该课程时，普遍更容易理解理论，却常常无从下手解决一个实际问题。如何将理论知识应用到实践中解决实际问题？本书从计算思维培养的角度，将算法设计的思想利用通俗易懂的实例进行解释，提供大量实际问题、案例进行分析，希望学生能通过大量的实例分析建立一种有效的思维方式（计算思维），掌握求解问题的思路，进而提高解决实际问题的能力。本书作为计算机专业的核心课程“算法设计与分析”的辅助教材，适用于计算机专业的高年级学生阅读，通过实践案例拓展眼界，提高实践能力。<

本书内容已经外聘和清华大学党委审读审核通过（清委文[2025]52号）后同意安排出版。在大数据时代，数据孤岛问题严重阻碍了数据共享与人工智能应用的发展。联邦学习作为一种隐私保护的机器学习范式，允许各机构在不泄露本地数据的前提下协同训练全局模型，有效挖掘分散数据并降低泄露风险，推动了人工智能在各领域的应用。本书全面介绍了联邦学习的核心概念与关键技术，涵盖基础知识、隐私安全、个性化学习、贡献度评估、与大模型的关系、拜占庭问题及实际应用案例。本书将帮助读者深入理解并掌握联邦学习这一前沿领域的理论

《大数据分析基础》首先全面介绍了信息技术、计算机基础，以及计算机的起源与发展、计算机系统的组成、操作系统和文件管理等内容，然后深入探讨了Python编程的基础知识，包括编程环境、语法、流程控制、组合数据类型、函数和模块、常用的库等，并通过丰富的实操练习帮助读者掌握Python在文件管理、数据处理、科学计算等领域的应用能力。此外，本书涵盖了机器学习、大数据分析框架及国产大模型DeepSeek等内容，有助于读者建立从基础到前沿 的Python知识体系。本书包含丰富的代码示例和综合案例，可以帮助

ARM处理器是一种16/32位的高性能、低成本、低功耗的嵌入式RISC微处理器，由ARM公司设计，然后授权给各半导体厂商生产，它目前已经成为应用最为广泛的嵌入式处理器。《ARM体系结构与编程（第3版）》分为16章，对ARM处理器的体系结构、指令系统和开发工具进行了较全面的介绍。其中包括ARM体系结构、ARM程序设计模型、ARM汇编语言程序设计、ARMC/C++编译器、ARM连接器的使用、ARM集成开发环境CodeWarriorIDE及高性能调试工具ADW的使用。此外还介绍一些典型的基于AR

《景观设计》以培养和提升景观设计专业人才的综合能力为出发点，系统全面地阐述了景观设计的基本理论、景观空间设计、环境规划、景观施工技术、可持续景观设计等内容。本书不仅对传统景观设计进行了详细探讨，还融入了现代设计理念，强调生态、绿色环保及智能技术在景观设计中的应用。在结构上，本书摒弃了单纯列举理论要点的写作方式，而是通过案例分析、项目式教学与互动设计的思维方法将知识拆分成若干模块，每个模块独立成篇。书中的每个部分均结合实际案例，注重培养学生的创新思维与解决实际问题的能力。通过深入分析不同类型

《数据挖掘与机器学习》以应用为导向介绍数据挖掘与机器学习相关理论与方法，包括概述、数据与数据平台、数据预处理与特征工程、关联分析、决策树、集成学习、贝叶斯分类、神经网络与深度学习等相关理论及经典算法，以及相关实践案例。本书所有案例均通过R或Python实现，同时包含详细的分析过程和可视化内容。本书可作为统计学、数据科学与大数据等相关专业高年级本科生和硕士研究生的数据挖掘与机器学习相关课程的教材，也可作为其他数据挖掘与机器学习爱好者的参考用书。