本书以全新的编排方式、贴近读者的语言，由浅入深、循序渐进地介绍了SolidWorks软件的应用和工业机器人三维建模。本书共7章，包括工业机器人概述及典型结构、SolidWorks基础应用、工业机器人本体建模、工业机器人装配、工业机器人末端执行器建模、创建二维工程图和工业机器人运动仿真。
本书突出应用主线，以单元讲解形式安排章节。各章结合实例、讲练结合，使读者易于接受和掌握，并提供练习题以供读者实战练习。
本书可作为职业院校工业机器人技术及相关专业的教学用书，也可供相关工

本书以大数据运维工程师为职业培养方向，以职业岗位的“典型工作过程”为导向，融入行动导向教学法，将教学内容与职业能力相对接、单元项目与工作任务相对接。本书以实训为主体，配合实训指导视频，结合适当的知识讲解，让大数据技术学习者能快速掌握大数据平台部署与运维相关的实操能力，并建立基础理论认知。本书共8个项目，内容包括认识大数据、配置平台基础环境、部署Hadoop框架、使用HDFS、MapReduce编程、部署与使用HBase、部署与使用Hive、部署与使用Spark，涵盖了当前大数据技术领域的主要技术

本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。
本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。
本书可作

本书基于C 语言，以项目的形式组织内容，循序渐进地讲解数据结构的基本原理和具体应用方法。本书共9 个项目，具体内容包括数据结构概述、线性表、栈和队列、串、数组和广义表、树与二叉树、图、查找、排序。本书实例丰富、内容翔实、简单易学，不仅适合作为职业院校计算机相关专业的教材，也可供从事计算机相关工作的专业人士参考。

本书从系统的角度出发，结合龙芯处理器及Loongnix系统的相关实例，从软件和硬件两个方面对计算机系统进行由硬到软、自底向上的介绍，目的是帮助读者掌握完整的计算机系统层次结构，了解计算机相关技术概念，掌握计算机系统的相关知识。
本书分为基础部分与实践部分。基础部分主要介绍了计算机系统相关的基本概念、组合电路与时序电路、处理器体系结构、程序的加载与运行、数据的机器级表示和运算、层次化结构存储、异常控制流；实践部分则主要介绍了龙芯实验平台的软硬件环境、文件读写及加解密实验、二进制炸弹

本书从软件工程的基本原理出发，以适应本科专业的教学和实践为宗旨，在充分吸收国内外软件工程研究成果精华的基础上，依据作者多年软件工程领域的教学和科研经验，结合国内软件开发的特点编写而成。本书正文共9章，第1章是理解软件工程，第2-5章讲述了软件开发的各个方面，包括软件过程、需求工程、软件质量管理和成本评估等，第6章介绍了软件工程对社会的影响，第7-8章介绍了软件管理和维护等相关内容，第9章列出了软件相关的国际和国家标准。

本书是工业机器人的机电一体化电气基础知识学习和操作技能一体化工作页，主要针对稳压电源、电气控制线路、机器人驱动系统、机器人夹具控制系统进行基础性的介绍和学习。本书以工作任务为载体，以技工院校学生的认知规律为依据，由简单到复杂，以一台6轴桌面机器人本体为载体设计教学项目和教学任务，充分体现了“做中学，学中做”的教学方式。
本书可以作为技工院校工业机器人应用与维护专业及相关专业的教学用书，也可作为相关从业人员的参考用书。

本书以实际应用为写作目的，围绕3ds Max软件展开介绍，内容遵循由浅入深、从理论到实践的原则进行讲解。全书共10章，依次介绍了3ds Max基本知识、基础建模技术、复杂建模技术、多边形建模技术、材质与贴图的应用、灯光的应用、摄影机与渲染器等内容。最后通过单品模型、卫生间场景模型以及卧室场景模型等实操案例进行讲解，以帮助读者更好地吸收知识，并达到学以致用的目的。
本书适合作为各类院校相关专业学生的教材或辅导用书，也适合作为社会各类3ds Max软件培训班的首选教材。

本书基于Web标准和响应式Web设计思想，深入浅出地介绍Web前端技术的基础知识，涵盖 HTML5、CSS3和ES6的**内容。全书以实战驱动知识点，以案例贯穿实战，内容翔实，结构合理，语言精练，表达简明，实用性强，易于自学。 全书共分23章。第1章介绍Web技术的基本概念、Web体系结构、超文本与标记语言、Web标准的组成和常用浏览器； 第2~7章重点介绍Web标准的结构标准HTML5常用的元素标签及应用； 第8~13章介绍Web标准的表现标准CSS3常用的属性及应用； 第14章介绍网站制作

本书共11章，分为三部分。部分(第1章至第5章)介绍了Python在计算机视觉中的图像基本操作、图像增强、形态学处理、局部图像特征提取、图像分割等方面的编程应用。第二部分(第6章至第8章)梳理了计算机视觉的相关基础理论，包括深度神经网络基础、卷积神经网络基础和PyTorch深度学习框架。第三部分(第9章至第11章)列举了Python在计算机视觉中的典型应用，即在图像分类、目标检测和语义分割中的应用。各章都附有相关的习题，可供自学练习，以便读者加深对本书所述内容的理解。

本书深