本书以服务机器人的传感器控制、操作系统、编程应用为主线，重点介绍了各部分的工作原理和应用方法，将知识点和技能训练的重点与难点分解到各任务中，内容深入浅出、通俗易懂。全书共分为7个项目：服务机器人整体认知、ROS机器人操作系统的认知、智能图像检测编程与调试、智能语音交互编程与调试、服务机器人底盘控制与调试、机器人实时地图构建与导航和机械臂的控制与调试。
本书适合作为职业院校服务机器人控制及应用专业、机器人专业、自动控制专业的教材，也可供智能服务机器人设计爱好者参考与使用。

本书按照“项目导向、任务驱动、理实一体”的编写模式，以典型的传感器应用项目为载体，讲述了几类传感器的实际应用。本书共七个项目，主要内容包括温度传感器在室内测温系统中的应用、测速传感器在电动机转速检测系统中的应用、气敏传感器在酒精测试仪中的应用、光敏传感器在智能照明系统中的应用、位移传感器在汽车倒车雷达系统中的应用、压力传感器在数字电子秤系统中的应用和无线传感器网络在小区火灾报警系统中的应用等。

本书可作为高职高专电子信息、物联网、智能制造等专业传感器应用课程的教材

为适应机器人产业发展以及新工科对自动化类、机械类机器人技术相关专业人才培养的要求，本书以建模、标定、规划、控制、视觉等为主要内容，较为系统地阐述了机器人控制技术的相关基础知识。
本书共九章。第1章介绍机器人发展史和机器人基本知识；第2章介绍机器人坐标变换、分析机器人运动学；第3章介绍机器人工件坐标系和工具坐标系的标定方法；第4章讨论机器人关节空间轨迹规划和笛卡儿空间轨迹规划；第5章分析机器人雅可比矩阵和机器人动力学建模方法；第6章介绍关节驱动和单关节独立线性控制；第7章讨论机

本书以数据处理为主线，介绍数据处理的基本原理、常见的算法思想、算法设计的可视化以及编程实现python语言。 全书共13章，主要内容包括数据科学基础实践概论、数据表示、数据计算、数据分析、数据可视化、算法可视化工具、算法设计基础、Excel中的算法、Python程序设计基础、算法在Python中的实现、Word文档处理、Flash动画制作、Xmind思维导图制作。 本书可作为高等学校非计算机专业学习数据科学课程的实践教材,也可以作为读者快速理解数据处理和算法设计与实现的自学参考书。

本书的内容主要包括传感器基础知识、检测与转换基本理论、电阻式传感器、电感式传感器、电容式传感器、热电式传感器、检测技术中的硬件电路、测控系统实用抗干扰技术、虚拟仪器测试技术等。
全书共14章，分别介绍了常见物理量的检测用传感器，包括温度检测、力及压力检测、位移检测、速度和加速度检测、流量及流速检测、光电检测、气体成分及湿度检测。此外，本书还对传感器的相关检测知识、电路转换及信息处理技术、传感器网络进行了阐述，每部分内容都力求通俗、简明、实用、操作性强，每章后配有习题。

本书从系统集成与应用角度介绍自动测试技术理论知识和实践训练项目。全书共6章,分为三个部分。第一部分(第1章~第3章)为理论知识篇,主要介绍自动测试简介和虚拟仪器技术、测试总线技术和软件开发技术;第二部分(第4章和第5章)为教学实验系统篇,主要介绍教学实验系统所采用的教学实验开发软件(MicrosftVisualStudio和C#语言)、教学实验系统的硬件组成、教学实验系统的应用软件和利用本教学实验系统开展实验项目二次开发的方法和步骤;第三部分(第6章和附录)为实验篇,主要介绍简单自动测试系

本课程面向非计算机专业学生，以普及大数据基础知识和工具为目标，力图构建一门新的大数据入门学习课程。课程包括数据获取、数据挖掘、数据呈现和数据思维等四部分内容。课程立足应用入门，突出八爪鱼、Weka和Tableau等主流工具应用，强调案例教学。通过本课程学习，学生们能够掌握一定的数据获取、分析与呈现技能，初步建立数据思维。而且，学习先决条件仅为熟练使用Word和Excel，教学与学习中都无需编程，可视为基本无门槛。

截止目前为止，在国内众多在线开放课程平台和教材市场上，未发现有同类型

本书的主要章节包括分位数回归、等分线性回归、数据包络分析法、随机前沿分析法、层次分析法、灰关联分析、模糊理论、粗糙集理论、小波时间序列、组合优化问题等。此外，本书引入了最新的R数据挖掘方法；摒除掉艰深难懂的理论，以最浅显的方式介绍数据挖掘理论，让读者迅速掌握，轻松入门；力求最简单的R程序或安装包运行数据挖掘案例分析，详解各程序的意义与功能；以最简单的案例数据操作，让读者清楚明了数据分析方法的功能及分析结果的解释，使其易举一反三。
本书不仅适用于大数据、计算机应用、经济、管理、统计等专业，

全书共有12章，从Hadoop概述开始，介绍了Hadoop的安装与配置管理，并对Hadoop的生态体系架构进行了介绍，包括HDFS技术、YARN技术、MapReduce技术、Hadoop I/O操作、海量数据库技术HBase、ZooKeeper技术、分布式数据仓库技术Hive、分布式数据分析工具Pig，以及数据迁移工具Sqoop，最后对大数据实时处理技术做了简单介绍，旨在让读者了解当前其他的大数据处理技术。 本书除了介绍Hadoop的理论外，还介绍了如何使用各组件，但因为只是介绍基础的使用，没有

本书主要介绍数据挖掘和数据分析的基本概念和方法，包括数据的基本属性和概念、数据预处理技术、数据立方体和OLAP技术、频繁模式挖掘、回归分析、分类、聚类、离群点分析。每一部分先介绍基本概念、理论基础、应用实例、思考习题。书中涉及的模型和算法均给予了相应的实例，便于读者更好的理解和使用模型。