本书全面讲解Premiere Pro CS6的基础知识与使用方法。面向零基础读者，以“理论+案例”的形式详细讲解Premiere Pro CS6的基本功能、操作技巧，以及不同类型课堂案例的视频制作方法。本书共10章，前9章分别为Premiere Pro CS6快速入门、视频剪辑基础、视频的切换与特效、动画效果的创建、叠加与抠像技术、色彩的校正与调整、创建字幕与图形、音频处理、输出视频，第10章通过2个综合实训进行实战演练，帮助读者巩固所学知识，并应用所学技能制作出效果丰富的视频。

《Java Web项目实训教程》以项目为导向，通过“招生考试报名系统”项目讲解一个 Java Web项目开发的完整设计与实现流程。全书共分为 14章，第 1章重点讲解系统实现需使用的技术，包括前端三大核心技术（ HTML、CSS、 JavaScript）以及 Java Web技术基础（ JSP、EL表达式、 JSTL标签、 Servlet、过滤器、监听器等）；第 2章介绍系统需求；第 3章讲解项目数据库的设计与实现；第 4章实现对数据库基础操作的封装；第 5章封装实现 DAO层组件；第 6章结合

本本书系统地介绍智能控制的基本内容。全书共9章，主要包括智能控制概述、模糊逻辑理论基础、模糊控制、神经网络原理、神经网络控制、计算智能、深度学习、强化学习、学习控制。本书还提供了部分智能控制的MATLAB仿真程序设计及智能控制的相关应用案例。

本书共分为两个部分。第一部分是上机指导，从了解计算机基础知识、学习计算机系统知识、认识Windows 10、管理计算机中的资源、编辑Word文档、排版文档、制作Excel表格、计算和分析Excel数据、制作幻灯片、设置并放映演示文稿、使用计算机网络和做好计算机维护12个方面来组织内容，读者可以参考《计算机应用基础（Windows 10+Office 2016）（微课版）（第3版）》和本书进行上机操作。第二部分是习题集，参考全国计算机等级考试一级MS Office考试大纲和《计算机应用基础（Win

本书主要讲述计算机科学的导引知识，介绍了计算机系统概况、计算机硬件、计算机软件、数据表示及分析处理、计算机网络以及计算机热门研究方向的相关应用案例。所讲内容的展开以数据和案例为牵引，分别呼应了数据处理的环境、数据处理的硬件、数据处理的软件、数据表示方式及分析处理方法、数据的网络流动以及数据处理的案例。书中以数据为行文线索，各章节之间有较强的逻辑关联，实例紧靠生活实际，语言朴素亲切，叙述之中融入编者积累的教学体会，更贴近读者的理解路径。同时书中融入课程思政元素，提供了12个课程思政案例。

深度学习是人工智能的重要分支，在多个应用领域取得了突破性成果。本书作为深度学习的入门教材，基本涵盖了深度学习的各个方面。全书共8章，第1章概要介绍了深度学习的基本概念、典型算法及应用；第2~5章是本书的核心内容，详细介绍了卷积神经网络、循环神经网络、Transformer和生成对抗网络的基本原理、典型算法以及主要应用；第6章介绍了一些典型的深度生成模型以及近期比较流行的扩散模型；第7章介绍了深度学习中常用的正则化与优化方法；第8章介绍了TensorFlow、PyTorch和飞桨三个常用的深度学习

本教材以培养职业能力为核心，以工作实践为主线，以项目为导向，采用任务驱动、情境教学的方式，与行业企业合作，面向网络系统管理员或网络工程师岗位设置教材内容，建立以实际工作过程为框架的现代职业教育新型一体化教材结构。
本书精心设计了7个学习情境，11个工程项目。其中，7个学习情境分别是：构建小型有线局域网、构建大中型有线网络、无线网络的组建、接入Internet、构建网站中的服务器、网络安全、网络管理与维护。本书以从事网络技术实际工作过程中所需的技术贯穿始终，构成了系统的课程教学内容体系，教材

本书概述了机器视觉的起源、发展和相关应用，介绍了数字图像处理基础，对相机、镜头、光源、光源控制器等硬件进行了详细介绍，介绍了典型的机器视觉综合实训系统，包括硬件平台、软件平台。本书以VisionPro视觉软件和国产自主开发的DCCK VisionPlus视觉软件为基础，在机器视觉识别、测量、检测、引导四大典型应用上，引入企业真实案例，进行项目化任务实施。
本书可作为高等职业院校和职业本科院校自动化类和电子信息类相关专业的教材，也可以作为从事机器视觉技术研究和应用的工程师、技术人员以及对

本书作者根据自己20多年的教学与科研实践，系统地总结了计算机算法的设计与分析方法，覆盖了大部分主要的算法技术，包括：分治法、贪心法、动态规划、图的遍历技术、穷举搜索等，涉及一系列重要的算法问题，包括排序问题、选择问题、生成树问题、网络流问题、二分图的匹配问题、字符串的匹配问题和几何算法问题等，还介绍了问题本身的计算复杂性的概念和NP完全问题的理论等。

本书全面介绍当前人工智能技术基础理论和方法，包括深度神经网络、知识图谱、图神经网络、生成式人工智能方法和机器学习方法5部分内容；重点介绍深度神经网络基本原理、卷积神经网络、循环神经网络、注意力机制和变形金刚(Transformer)，介绍知识图谱、图神经网络和生成式人工智能的基本理论与方法，最后简要介绍弱监督、自监督、迁移学习、深度强化学习、元学习和小样本学习、持续学习等机器学习方法，还介绍了大语言模型中的机器学习方法。