教材以就业为导向、应用为目标、实践为主线、能力为中心，由校、企、研三方联合开发，将JavaScript和jQuery基础知识与基本技能点融入“校园志愿服务网站”的9个项目共31个任务，主要内容包括走进前端交互世界、移动的欢迎页、首页链接页、志愿项目、首页轮播图、首页注册页面、志愿风采、志愿之星和锦上添花。

本书精练地阐述了自动控制的基本理论与应用。全书共九章：前八章着重介绍经典控制理论及应用的主要方面，最后一章介绍现代控制理论中的状态空间分析及综合法。
本书强化了工程应用背景，系统介绍了MATLAB、Python应用技术，包括建模、时域分析、根轨迹绘制、频域分析、前馈校正、离散系统分析、描述函数法计算，线性系统可控性、可观测性和李雅普诺夫稳定性判别以及综合设计等内容。
本书在数学基础、控制理论、工程应用、MATLAB及Python仿真方面，具有系统性和统一性，适合工科高等院校使用。

本书比较全面地阐述了自动控制的基本理论与应用。全书共十章，前八章着重介绍经典控制理论及应用，后两章介绍现代控制理论中的线性系统理论和**控制理论。《BR》本书优化了第七版中的主要内容，强化了控制理论与科技前沿的结合及二维码数字资源。书中深入浅出地介绍了自动控制的基本概念，控制系统在时域、频域和复域中的数学模型及其结构图和信号流图；比较全面地阐述了线性控制系统的时域分析法、根轨迹法、频域分析法以及校正和设计等方法；对线性离散系统的基础理论、数学模型、稳定性及稳态误差、动态性能分析以及数字校正等问题

本书共7章。第1章介绍自动控制的基本概念。第2章介绍连续系统的数学模型，作为必要的数学基础，简要介绍拉普拉斯变换的基本方法。第3章介绍线性连续系统的时域分析方法，包括稳定性、暂态性能和稳态误差等系统性能的分析。第4章介绍控制系统的频率法。第5章介绍控制系统中广为应用的PID控制工程设计方法。第6章介绍离散系统的分析方法。第7章介绍非线性系统的描述函数法。附录介绍复变函数的基础知识。

本书的主要内容涵盖机器学习领域的主要模型和算法, 包括监督学习的分类和回归模型与算法、非监督学习的聚类和降维算法、强化学习的主要算法、迁移学习的实例以及最新前沿的相关模型和算法的实践。本书以实验项目或案例为单元, 每个单元有明确的实验目的、原理和实验步骤, 包括基础验证性实验、综合设计性实验和系统开发项目实践。

本书是写给没有学过任何计算机语言的读者的，例如大学生。本书主要讲授MATLAB的基本知识，从如何打开MATLAB的指令窗口，输入最简单的指令开始，利用MATLAB提供的交互式环境，用简明的实例向读者示范如何调用MATLAB的内部函数实现数值计算、符号运算和平面曲线、空间曲线与曲面图等图形输出，以及机器学习和线性代数与微积分的应用。本书的应用篇介绍了MATLAB在机器学习中的应用，讨论了如何应用线性代数与函数求极值的基础知识以及MATLAB 的内置函数来编程实现常用的机器学习算法，例如，（广义）线

机器学习是人工智能的重要分支。本书立足实用且易于上手实践的原则，系统地介绍机器学习领域的经典算法，以及这些算法的Python实现和典型应用。本书分4部分: 第1部分介绍监督学习，包括线性模型、决策树分类、贝叶斯分类器、集成学习和支持向量机；第2部分介绍无监督学习，包括关联规则、聚类分析和数据降维；第3部分介绍深度学习，包括神经网络、深度学习和生成对抗网络；第4部分介绍强化学习。本书所介绍的经典机器学习算法及其应用案例均给出了相关实验数据和Python代码实现，每章末尾还给出了习题和实验题，便于读

本书基于PyTorch框架介绍深度学习的有关理论和应用,以Python为实现语言。全书共分10章，内容包括深度学习的概念和发展过程、感知器、全连接神经网络、卷积神经网络、若干经典CNN预训练模型及其迁移方法、深度卷积神经网络应用案例、循环神经网络、基于预训练模型的自然语言处理、面向模型解释的深度神经网络可视化方法、多模态学习与多模态数据分类等。
本书兼顾理论与应用、原理与方法，集系统性、实用性、便捷性于一体，易于入门，实例丰富，所有代码全部经过调试和运行。此外，每一章后面都配有适量的习题，

我国物联网产业发展势头强劲，技术发展日新月异。大数据、人工智能和边缘计算等技术在物联网平台上的深度融合，推动了智能物联网的快速发展，接入层是智能物联网层次结构中的重要层次。本书力图体现物联网接入技术在物联网中的重要作用。
图文并茂，易读易懂。本书给出大量示意图，尽量采用通俗易懂的语言，帮助读者更好地理解内容。
内容全面，案例生动。本书对物联网中常用接入技术的研究背景、形成与发展过程、基本概念、技术特点、具体实现和应用领域等做了详细介绍，涵盖面广，辅以大量我国IT企业有关物联网