本书由实践经验丰富的企业工程师和教学能力突出的专业教师联合编写，全书共分为九章，从程序运行环境等基础知识开始讲起，包括运行一个程序、分析一个程序、设计一个程序、逻辑思维和控制结构、列表与数据类型拓展、函数、面向对象程序设计简介等内容，并在此基础上拓展到可视化程序设计思维等相关概念，最后一章介绍了常用程序设计的案例。读者能够通过本书的学习，进而向程序设计更高阶段过渡。相关算法采用Python语言加以实现。全书语言通俗易懂、知识紧凑，且内容深入浅出、逻辑性强。
本书既可以作为应用型本科和高职高

《鸿蒙嵌入式系统设计与应用》系统地介绍了嵌入式系统的基本原理和基础知识，详细讲述了ARM处理器、ARM指令集、鸿蒙应用程序开发基础、DevEco Studio开发平台应用基础及嵌入式系统开发等相关知识，包括处理器架构、存储器管理、内核介绍、ARM指令的寻址方式、ARM指令简介、常见嵌入式操作系统介绍、原子化服务、DevEco Studio应用服务开发、Ability框架、媒体开发、AI开发等内容。同时，对嵌入式操作系统、鸿蒙OS数据库开发等做了简明阐述，最后还列举了嵌入式系统设计开发案例。

本书包括九个实验。其中，前六个实验是基础实验，包括STM32微控制器开发环境的搭建、通用输入/输出口的应用、外部中断、定时器、串口通信、FreeRTOS，涵盖教材上绝大部分实验内容，并做了大量拓展。实验七-九是综合实验。实验七介绍了ADC的相关知识，设计了相关实验；实验八是综合设计1，采用FFT设计了基于ADC和CMSIS-DSP库的数字频率计；实验九是综合设计2，综合前面的实验内容，设计了一个点光源自动追踪系统。

本书以企业实际应用项目为载体进行凝练，并按照学生认知规律分为6章进行编排，内容涵盖STM32F1高性能处理器基础应用部分，还包含结合μCOS-III和Android操作系统的高级应用部分。教材项目载体实用性强。

本书以各类传感器的工作原理为主线，以项目工作任务为导向，将相关知识的讲解贯穿于项目任务实施的整个过程中，坚持职业教学思想与企业岗位需求相结合的原则，通过具体的实施步骤完成预定的工作任务。 本书分别介绍了传感器与检测技术基础、力的检测、速度检测、位移检测、液位检测、温度检测、环境量测量7个工作项目。全书采用项目式编写体例，任务驱动，每个项目包括“项目描述”“学习目标”“任务”“知识拓展”“项目小结”“自测试题”6个栏目，项目中每个任务以“任务导入”“知识讲解”“学海领航”和“任务实施”4个模块贯穿

本书是“服务机器人应用开发（初级）”职业技能等级证书的配套教材之一，内容根据《服务机器
人应用开发职业技能等级标准》以及《服务机器人应用开发职业技能考核大纲》相应要求编写。全书分
为两大部分共十一个项目，第一部分为拼搭机器人应用开发，基于Arduino 平台的拼搭机器人展开，共
有六个项目；第二部分为人形机器人应用开发，围绕树莓派平台的Yanshee 人形机器人展开，共有五个
项目。
第一部分的项目一介绍了针对Arduino 的Blockly 编程方法，项目二至六介

本书是一本介绍计算复杂性理论的基础教材，内容包括时间复杂性、空间复杂性、NP-理论、多项式谱系、电路复杂性、随机计算及去随机、计数复杂性、交互证明系统、PCP定理、近似计算与不可近似性。
本书的主要读者群是高年级本科生、硕士生、博士生，以及希望了解（更多）计算复杂性理论的教师和科研工作者。本书可用于以下课程：（1）面向高年级本科生、研究生的“计算复杂性理论导论”课程，内容涵盖前3章；（2）面向研究生的“计算复杂性理论高等议题”课程，内容涵盖后3章；（3）面向高年级本科生、研究生的“

本书主要讨论计算机单机系统的组成原理及内部工作机制，包括计算机各大部件的工作原理、逻辑实现、设计方法及其互连构成计算机整机的技术。全书共分为9章，其内容包括：计算机概述、计算机中数据信息的表示、运算方法与运算器、存储器系统、指令系统、控制系统与CPU、总线技术、IO设备、IO系统组织。 本书结合了作者多年的教学实践经验，吸取了国内外有关名著、资料之精华。内容充实，概念明确，思路清晰，重点突出，通俗易懂，含有大量例题与习题。

本书系统介绍了神经网络和深度学习，并结合实际应用场景和综合案例，让读者深入了解深度学习。全书共16章，分为4个部分。第1部分介绍了深度学习基础算法与应用，主要包括神经网络和深度学习的相关概念、多层神经网络的基本原理和具体应用、卷积神经网络的原理及项目案例实现、优化算法与模型管理。第2部分介绍了深度学习进阶算法与应用，主要包括经典的深度卷积神经网络，ResNet、DenseNet和MobileNet，目标检测的基本概念和常见算法，循环神经网络的基本概念和具体应用。第3部分介绍了时空数据模型与应用，

本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。
本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。
本书可作