本本书全面、系统地介绍信息技术的基础知识和相关操作，编写时结合了《四川省普通高校专升本考试要求》中“计算机基础”科目的考试内容。全书共分为7个项目，分别是走进计算机世界、Windows 10操作系统、文字处理软件Word 2016、电子表格软件Excel 2016、演示文稿软件PowerPoint 2016、数据库技术及计算机网络与信息检索。 本书采用“项目+任务”的形式组织全书内容，以锻炼学生的计算机操作能力，培养学生的信息技术素养。书中的任务以“任务描述+任务目标+任务实现”的结构进行讲解，

本书根据《高等职业教育专科信息技术课程标准（2021 年版）》的要求组织编写，在编写时充分考虑了学生的知识结构和学习特点，教学内容注重WPS办公自动化三大组件的介绍和学生动手能力的培养。本书为高职高专院校信息技术课程教材，其中包括WPS文字处理、WPS电子表格处理、WPS演示文稿制作、信息检索、新一代信息技术概述、信息素养与信息伦理6个项目，每个项目通过设置任务逐步展开，由易到难，由简单到复杂，符合学生的学习规律；将知识点融于任务之中，以激发学生的学习热情和兴趣，让学生善学、乐学；将每个任务以微

本书是为适应“新工科”建设需要组织编写的“大学计算机”和“大学计算机基础”课程的教材。本书以信息处理为主线，结合新技术，介绍信息处理的基本方法和技术。
本书共分为8章： 第1章，计算机组织与结构，介绍计算机和计算机的发展、计算机系统的组成；第2章，算法描述和评价，介绍计算机算法的描述方法和评价标准；第3章，Python程序设计，介绍信息处理的计算机编程语言及基本的编程方法；第4章，Python数据分析基础，介绍基本的数据统计量以及常用数据分析和可视化工具NumPy、Matplotlib和P

本教材以统一的视角较为全面阐述算法与数据结构的基本概念、理论方法和实现技术，数据结构方面主要讨论线性表、栈与队列、串、数组、广义表、树与二叉树、图等基本数据结构的概念与定义以及编程实现技术，算法方面重点讨论迭代、递归、贪心、分治、动态规划等算法设计思想以及遍历、查找、排序等操作的多种经典算法实现。全书内容丰富，理论方法与设计实践并重，章节安排合理，结构清楚，叙述循序渐进、深入浅出，既包含实用的典型示例，也提供具有独特视角的鲜活案例，编程实现遵循面向对象、泛型编程和RAII原则等现代程序

本书主要是针对普通院校计算机应用专业的学生编写的。全书共9章，第1章主要介绍计算机系统的组成、计算机的发展历史及计算机的应用；第2章主要讲解信息的数字化表示，重点讨论数值数据的原码、补码和反码表示方法，非数值数据的表示方法；第3章介绍运算器的作用及实现，重点讨论定点数的加法器、乘法器、除法器的设计方法；第4章介绍存储器工作原理与存储器体系结构，重点讨论半导体存储器和磁存储器的工作原理，存储器体系结构及解决的问题；第5章介绍计算机指令系统，重点讨论指令结构及寻址方式；第6章介绍CPU的组成和作用，

本书以项目为教学单元来组织内容，以通俗易懂的语言、实际工作任务为导向，向学生展现计算机组装与维护的各项实际应用。本书针对中职学生的学习特点编写，不刻意追求专业知识的深入研究，而是力求简单、通俗、易懂、易于自学。本书分为11 个项目共计29 个任务，具体内容包括计算机组装概述、CPU、主板、内存、硬盘、输入设备、BIOS 设置、操作系统安装、驱动程序安装、操作系统备份以及计算机的日常维护等。学生通过对本书的学习与操作实践，可以掌握计算机组装与维护的各项基本技能。本书可以作为普通中职院校及各类计算机

本书以理论为基础，以实践为导向，遵循设计概述、流程与方法、项目训练、案例赏析的编写路径，首先对数字科技与智能产品设计的概念、发展历史、相关技术、应用领域与未来趋势进行详细描述，突出主题； 其次介绍智能产品设计的能力需求、设计原则、设计方法与设计流程等内容，将智能产品知识点以全面整体的观念引入课堂实践环节； 再次从三个智能产品设计项目实训入手，以整体化思维了解课程概况、分析相应设计案例、总结课程知识点，在项目实训中了解智能产品的设计方法； 最后从优秀案例赏析入手，以智能穿戴类、智能出行类、智能家居

《计算机基础及Python程序设计导论》兼顾大学计算机基础和面向对象程序设计，串联计算机发展概况、系统组成、信息表示、网络、大数据、人工智能等内容，选择Python作为程序设计语言，介绍Python语言基础、流程控制、组合数据类型和函数。
《计算机基础及Python程序设计导论》可作为高等学校非计算机专业本科生计算机基础课程的教材，也可作为计算机培训、计算机等级考试和Python编程爱好者的参考书。

本书主要介绍了经典的数据结构与算法的知识，包括基础的线性表、栈、队列、串、数组、树、图等数据结构，以及常用的查找和排序技术。在此基础上，本书加入了大数据和AI领域的KNN机器学习、随机梯度下降、神经网络、搜索引擎、大规模矩阵计算、大数据排序等工程实践案例，使读者可以将数据结构和算法的知识与大数据和AI应用紧密结合在一起，融会贯通。