本书围绕国产计算机行业的具体技术展开论述，内容安排如下：第一章重点描述国内外计算机行业的发展现状，第二章重点介绍国产计算机的基础硬件发展情况，第三章重点介绍国产计算机的基础软件发展情况，第四章介绍国产计算机的应用软件发展情况，第五章介绍国产自主可控的云计算技术，第六章介绍国产自主可控的大数据技术，第七章介绍国产自主可控的物联网技术，第八章介绍国产自主可控的人工智能技术，第九章介绍国产自主可控的区块链技术。第十章是总结。

本书以团体标准《青少年编程能力等级第5 部分：人工智能编程》（T/CERACU/AFCEC 100.5
2022）（以下简称：人工智能编程能力等级标准）为依据，旨在引导青少年走进人工智能编程的世界，开
启人工智能编程学习之门。本书共设4 个单元，内容覆盖人工智能编程能力等级标准二级，共10 个知识点。
第1 单元为人工智能的基础知识（共3 节），主要介绍人类智能与人工智能的区别。第2 单元为人工智能
编程（共2 节），主要介绍人工智能图形化编程中的人

本书以提升学生就业能力为编写原则，参考《全国计算机等级考试二级MS Office高级应用与设计考试大纲（2023年版）》中对MS Office高级应用与设计的要求，通过案例的形式，对Word 2019、Excel 2019、PowerPoint 2019的使用进行了重点讲解，将知识点融入案例之中，让学生循序渐进地掌握相关技能。
本书分为Word、Excel、PowerPoint三大模块共14个案例，所选案例均与日常工作密切相关，注重技能的渐进性和学生综合应用能力的培养。其中，Wo

本书以目标识别理论、方法为主线，详细介绍了目标识别涉及的特征提取、分类器设计技术基础，以及应用实例。全书共11章，主要内容包括目标特征提取与选择、线性分类器、贝叶斯分类器、近邻分类器、决策树、集成学习方法、聚类分析、神经网络分类器等理论，雷达目标识别、雷达辐射源信号识别、SAR图像目标识别、文本命名实体识别等应用实例。

机器翻译(MachineTranslation，MT)是指利用计算机实现从一种自然语言(称为源语言)到另一种自然语言(称为目标语言)的自动翻译的过程和技术，是人工智能(ArtificialIntelligence，AI)和自然语言处理(NaturalLanguageProcessing，NLP)领域的重要应用和热点问题之一。本书从数据驱动的机器翻译角度介绍了统计机器翻译和神经机器翻译的基本模型和技术，机器翻译的评价方法及领域内相关会议。在此基础上，首先梳理了句法、语义等语言学知识在数据

本书是根据编著者多年的教学经验和对高职高专院校学生实际情况的了解编写而成的。编著者结合多年带队参加世界技能大赛的经验，将3D 数字游戏艺术项目比赛流程、技术规范要求、评分规则和游戏动画模型的全流程制作技术要求融入精选的 22 个经典项目中。通过边学边练的方式，学生不仅能掌握世界技能大赛3D 数字游戏艺术项目的比赛流程、技术规范要求和评分规则，还能掌握游戏动画模型的全流程制作技术要求、实际制作技能以及游戏动画专业毕业设计流程。本书共6 章，包括关于毕业设计、制作次世代游戏动画模型——电话机、制作次

本书主要讲解使用Blender进行三维建模的基础知识及操作方法，并结合案例进行实操。全书共9章，内容包括Blender概述、Blender软件基础、多边形建模、数字雕刻、材质贴图基础、PBR材质与NPR材质、灯光渲染系统、PBR材质与渲染实战、NPR材质与渲染实战。本书精心选用行业内前沿案例，通过解析典型案例的设计思路，详细介绍建模、雕刻、材质贴图、渲染等方法，提升读者的实操能力。本书可作为普通高等院校动画、数字媒体技术、数字媒体艺术、影视摄影与制作等专业的教材，也可作为相关专业从业者的自

本书共5部分，内容包括：基础理论、图像视觉问答、视频视觉问答、视觉问答高级任务、总结与展望。

“三维建模”可作为一门专业选修课，该课程的重点和难点内容均集中在如何加强和提高学生的动手操作能力，以及如何将理论课所学知识迅速运用到实践中。编者根据这一情况，对本书内容进行了相应的调整和整合，采取案例式组织内容，用完整的案例作为其所学理论知识的支撑，融合了常用的理论知识，削减了其他不用或不常用的理论知识，重点加强了实践部分的内容，着重培养学生的动手操作能力。本书建议将教学课时设置为60课时，实行一体化教学。通过本书的学习，学生将掌握基本的三维建模技能，具备造型、材质、灯光、渲染、动画、特效的应用

本书以图像处理技术为主线，介绍了深度学习在图像处理中的理论和应用。本书的核心内容涵盖了深度学习的各个层面，包括设计卷积神经网络的基础知识、低阶和高阶图像处理任务的实现等。这些内容不仅包含理论介绍，还包括大量的实例代码，使用Python语言及当前流行的深度学习环境，帮助读者理解和实践深度学习在图像处理中的应用。在低阶图像处理任务部分，本书详细介绍了图像去噪、去模糊、增强和超分辨率重建等任务。在高阶图像处理任务部分，读者将学习到如何使用深度学习方法进行图像分类、目标检测、语义分割和实例分割