本书主要介绍神经网络与深度学习的相关知识点, 注重分析神经网络与深度学习的基本概念、基本原理和网络结构, 并对主要算法及其应用展开讨论及阐述。全书分为两部分: 基础知识篇与网络应用篇。基础知识篇介绍了神经网络与深度学习的概念及发展, 神经网络与深度学习相关的数学基础知识, 神经网络、卷积神经网络与自编码器等基础算法原理及其特点。网络应用篇对深度学习及计算机视觉领域的主要应用进行剖析, 从图像分类、语义分割、目标检测等方面对典型算法进行详细介绍。全书内容体系完整、层次分明, 结合深度学习

本书根据Python程序设计的基础知识编排了多个实验指导, 涵盖了Python语法基础知识、Python流程控制语句、函数、异常处理方法、字符串操作方法、正则表达式、文件操作、面向对象程序设计、Python数据分析基础等知识, 结合“课程思政, 思政课程”, 将思政元素融入到各个知识点, 内容和案例丰富, 针对性强, 适合学生课堂和课后上机操作使用。本书还根据Python程序设计的基础知识编写了课外习题, 多种题型, 共有660题, 包含单选题200题、多选题60题、填空题100题、判

本书共2篇。第1篇为实践技能篇，包括系统资源管理、文字信息处理、电子表格处理等5个实践项目；第2篇为应试指导篇，包括基础理论练习、一级模拟练习、二级进阶模拟练习3部分。

本书利用STM32F103C8T6单片机讲解单片机原理与应用的教材。内容涉及嵌入式系统的概念、STM32单片机的内部结构、最小系统、STM32单片机的片上外设——GPIO、EXTI、USART、通用TIM、I2C、ADC、DMA的设计使用方法。本书符合当前教育部对新工科建设规划要求，满足工科专业认证实践教学要求的教材，适合于物联网、自动化、电子信息等相关专业本科生选用，也可供计算机科学与技术、电子科学与技术、控制工程、通信工程、信息安全、智能科学与技术等相关专业选用，本书同时可供行业相关技术人员

本书使用Python的机器学习算法库Scikit-learn讲解机器学习重要算法的应用，内容包括机器学习认知、数据预处理、KNN算法、线性回归算法、逻辑回归算法、朴素贝叶斯算法、决策树与随机森林、支持向量机SVM、k-means聚类算法、神经网络、模型评估与优化。
本书使用通俗易懂的语言、丰富的图表和大量的案例对机器学习的算法进行讲解，提供了一条从实践出发掌握机器学习知识的途径，即使没有很强的数学基础也可快速入门，大大降低了学习门槛。本书是项目驱动活页式教材，算法原理讲解深入浅出

本书主要讲解常用工具软件的使用，包括磁盘管理工具、系统优化与维护工具、安全防护工具、文件管理工具、文档编辑工具、社交通信工具、智能移动办公工具、图形图像处理工具、音 视频编辑工具、自媒体处理工具等的使用。
本书采用项目的方式对知识点进行讲解，各个项目下设若干个任务，每个任务主要由任务目标、相关知识和任务实施3个部分组成。每个项目后安排了课后练习和技巧提升板块，帮助学生进一步巩固所学内容。本书着重于对学生实际应用能力的培养，将职业场景引入课堂教学中，让学生提前进入工作的角色。

作为省级基层示范教研室的教学成果，本书以面向知识、能力、素质三位一体的培养为教学目标，兼顾计算思维能力、自主学习能力与编程实践能力的培养目标，改革了传统教材以分立的语法单元为纲、侧重语法教学的内容组织方式，转为以程序设计方法为纲、遵循“迭代学习”的思想。 本书选用C语言为教学语言，主要内容包括：预备知识，程序设计入门，结构化程序设计，模块化程序设计，系统级编程初探。同时，本书附录中提供了ASCII表、枚举类型与自定义数据类型、运算符、预处理、常用库函数、外部对象与项目、系统调用等内容。 本书提供

本书从基础认知出发, 兼顾实训操作, 内容分为NX MCD基础篇和实训篇。基础篇针对西门子NX MCD的基本机电对象、运动副和约束、耦合副、传感器和执行器、运行时行为、仿真过程控制、虚拟调试协同连接的相关知识和实操技巧进行了系统介绍; 实训篇针对小型自动化生产线控制面板、出料、传送、装配、仓储等典型机构的仿真和调试进行了细致阐述。

本书是与王建书、蔡润芹主编的《大学计算机基础》配套的实验指导书。本书共分6章, 实验内容主要包括以Windows 10+0ffice 2016为平台的操作实验, 以及以计算机网络和信息技术新发展为基础的应用实验。每章实验项目的实用性和可操作性强, 循序渐进地拓展了主教材教学内容的深度, 可用于对所学知识的巩固。

本书是一本系统介绍人工智能基础知识和基本原理的入门书籍, 从经典人工智能入手, 介绍知识表示、确定性推理、不确定性推理、专家系统和演化算法等。同时, 也介绍了典型机器学习和深度学习的学习框架和方法, 如决策树、支持向量机、卷积神经网络、循环神经网络和生成对抗网络等。另外, 本书以Pytorch、sklearn等为基础通过实践项目巩固人工智能的基础知识, 帮助读者从理论和实践中提高人工智能的知识水平。