本书以支撑互联网、移动互联网与物联网发展的共性技术为主线，系统地介绍计算机网络基本概念、网络体系结构、网络互联与分布式进程通信、网络应用与网络安全技术。本书在讨论网络基本工作原理的同时，注重网络应用系统设计与网络应用软件编程方法的学习，贴近技术发展的前沿，对当前网络技术发展的热点问题进行了讨论。
本书可作为计算机、软件工程、信息安全、物联网工程、通信工程与电子信息等相关专业的本科生、硕士研究生的计算机网络课程教材或参考书，也可作为从事信息技术的工程技术人员与技术管理人员学习网络技术的参考书

Java开发工程师岗位有着相对较高的薪酬水平和较为广阔的发展前景。本书以 Java工程师岗位能力要求为主线，将 Java技术点分为 8个单元 25小节，主要包括 Java开发环境搭建、 Java基础语法、类与对象、 GUI、数组与集合、 I/O（输入/输出）等内容。本书提供了丰富的案例进行讲解，

近年来，人工智能发展非常迅速，在可以预见的未来，它必然会强烈冲击并深刻变革人类既有的生活模式。实际上，除技术问题外，人工智能的逻辑基础和伦理基础与哲学之间的关系也十分密切。有鉴于此，本书从与人工智能紧密相关的哲学问题入手，关注如下话题：强人工智能是否可能；近代唯理论和经验论争论对于人工智能的影响；苏联、日本及欧盟在人工智能发展历程中的哲学教训；航空器自动驾驶背后的哲学难题；军用机器人的伦理是非；儒家与人工智能等。作者从逻辑架构和历史经验出发，展望了未来通用人工智能发展的可能性、可行性以及相应的社

本书是应职业教育教学改革之需求，在项目化教学改革思路基础之上，结合作者企业实践及多年指导学生参加电子类技能大赛的经验，参照项目开发管理方式方法而编写的。本教程以单片机技术应用为主线，以全面提高学生动手实践能力为目标，侧重工程实际应用，注重培养学生电子类项目设计开发、项目管理等职业素质能力。本书通过开展项目实施教学，以生活中的实例为引导，以任务驱动的方式把理论知识应用于实践。全书教学安排参照项目开发及项目管理模式，创建了四步法学习过程，非常适用于理实一体化教学模式。内容编排上由易到难，逐步深

本书是通过华为网络技术职业认证HCIA-Datacom（考试代码为H12-811）的权威学习指南，旨在帮助广大读者全面掌握考试内容，顺利通过考试。本书共19章，内容涉及但不限于网络基础、华为网络操作系统VRP操作、二层网络技术及其实现、三层网络技术及其实现、OSPF及其实现、广域网技术及其实现、NAT技术及其实现、IPv6网络及其实现等。网络技术是一门复杂的应用科学，为了更好地帮助广大读者，特别是网络工程师全面掌握实际使用和操作技能，每章都以小结的形式简明扼要地给出了重点，大部分章还配备了案例分

本书采用基于案例的学习方法，在不同应用场景下以问题求解为引导讲授Python程序设计，涵盖密码学、图像处理、天文学和生物信息学等领域。第3版更新至Python 3.8，更加强调动手实践，每一章都围绕一个实战项目展开讨论，并包含大量的编程练习题。全书在应用场景中螺旋式引入解决问题所必需的Python语法知识和编程方法，从而通过不断巩固和拓展所学知识，进一步培养读者的问题求解能力。本书适合作为高等院校计算机相关专业学生第yi门程序设计课程的教材或参考书，也可作为Python初学者的入门读物。<

本书自1989年首次出版以来，曾多次修订版。在2006年本书通过了教育部的评审，被纳入普通高等教育"十一五”国家级规划教材；2008年出版的第5版获得了教育部2009年精品教材称号。2013年的第6版是"十二五”普通高等教育本科国家级规划教材。2017年推出了第7版，现在的第8版又在原有的基础上进行了较大的修订。全书分为9章，比较全面系统地介绍了计算机网络的发展和原理体系结构、物理层、数据链路层（包括局域网）、网络层、运输层、应用层、网络安全、互联网上的音频/视频服务，以及无线网络和移动网络等内

深度学习已经进入我们的生活，云计算和大数据为深度学习提供了便利。本书主要讲解深度学习中的数学知识、算法原理和实现方法，配套源码、数据集和开发环境。
本书共12章。第1章介绍人类视觉和深度学习的联系。第2章介绍深度学习中最为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交叉熵、决策树和信息熵。第5章介绍线性回归和逻辑回归。第6、7章介绍时间序列模型和生成对抗网络。第8章介绍TensorFlow框架。第9章介绍推荐算法。第10章介绍深度学习中的标准化、正则化和初始化。第

《用Python编程和实践 ！数学教科书》通过Python ，深入浅出，详细介绍了机 器学习和深度学习中的 数学基础知识，主要内容包 括Anaconda环境的安装、 Jupyter Notebook的使用方 法、Python编程基础、 Numpy和matplotlib的应用 、数学基础、线性代数、微 分、概率·统计相关知识、 利用机器学习实践数学模型 等。本书为双色印刷，内容 讲解浅显易懂，特别适合那 些想从事AI开发但数学基础 薄弱的读者学习。

本书在讲述机器视觉基本原理和基本概念的基础上，重点介绍了机器视觉系统的构成以及机器视觉技术在实际生产中的应用，有较强的参考价值。本书具体内容包括：数字图像基础、HALCON功能及应用、图像预处理、图像分割、特征提取、图像的形态学处理、图像模板匹配、3D视觉、综合项目案例分析等。
本书可作为高等学校自动化类、机电类、电子信息类、计算机类相关专业的教学参考书，也可作为工程技术人员加深理解机器视觉及其应用技术的参考用书。