本书共分两篇：算法篇主要介绍信号分析与处理的基础理论和算法，包括信号处理仿真实验的基础知识、离散信号与系统、数字滤波器的设计、功率谱估计、自适应滤波和信号检测；案例篇主要介绍三大类共24个信号处理的工程案例，这些案例都不局限于验证某个知识点，而是尽可能地以实际应用为背景，兼顾信号处理的完整流程。

本书主要内容包括无线传感器网络的基本概念、开发环境、拓扑控制与覆盖技术、通信与组网技术、支撑技术、WSN协议技术标准、接入技术，以及无线传感器网络的应用、无线传感器网络与物联网等。本书内容丰富、覆盖面广、浅显易懂，不仅注重基本概念和基础技术，还强调技术应用和实践教学内容，力求概念准确、图文并茂。

本书共分14章，全面系统地介绍了生成式AI的基础理论、核心技术、应用场景以及社会影响，既突出生成式AI技术，又重视AIGC应用，旨在为读者提供一个全面、深入且实用的学习平台，帮助读者快速掌握生成式AI(AIGC)的精髓及其在各领域的应用实践。

本书内容涵盖TensorFlow开发环境搭建(Anaconda/PyCharm/TensorFlowCPU-GPU)、计算图构建、自动微分机制、基础回归与分类算法、多层感知机(MLP)、卷积神经网络(CNN)以及经典的ResNet模型实现与训练。通过手写数字识别、房价预测、图像分类等典型案例，由浅入深地讲解模型构建、训练、评估及部署的全流程。

本书在内容设计上兼具前沿性与低门槛：一方面，融入2023-2025年开源大模型(Llama3、Mistral)、多模态AIGC(Suno文生音乐、Sora文生视频)、AIAgent、具身智能等热点技术；另一方面，所有实验均基于Python预装库(PyTorch、NumPy等)，仅需CPU即可运行，适配职教本科机房及学生个人设备，打破硬件限制。同时，书中配套详细实验指导、代码示例及思维导图，帮助读者快速理解知识要点、高效完成实践任务。

本书以“基础理论—关键技术—前沿应用—伦理安全”为主线，覆盖人工智能领域的核心模块。本书的特色：一是体系完整，覆盖从基础理论到前沿应用的全链条知识；二是案例丰富，通过“西瓜分类”“补给路线规划”等贴近生活的实例降低理解门槛；三是紧跟趋势，重点纳入大语言模型、具身智能等前沿方向；四是注重伦理，强调技术发展与社会责任的平衡。无论是初学者构建知识框架，还是从业者回顾基础理论，本书均能提供系统性、实用性的指导。

本书聚焦深度学习和大模型前沿，细分机器视觉(目标检测、图像分类)、语音处理(自动语音识别、语音合成)、自然语言处理(文本生成、情感分析)、多模态应用(图文生成、视觉问答)和科学计算(蛋白质结构预测)等关键领域，通过大量实例说明这些领域的主流应用。本书内容系统、新颖，案例丰富，适合作为各类专业的大学生的人工智能导论教材，也适合社会人士了解AI技术的入门书籍，为深入探索人工智能打下基础。

本书包括计算机基础理论知识和计算机基本操作能力两部分。“计算机导论”课程的重点是让计算机科学与技术专业本科新生了解本科阶段需要学习的课程结构和学科体系，并且培养其基本的动手能力，为下一步的学习做好准备。书中内容主要包括计算机专业知识体系，计算机发展史，计算机体系结构，计算机网络，操作系统，软件与程序设计，数据库与大数据，软件工程，计算机图形学，人工智能，信息安全，计算机新技术和应用，Windows10及Office10的基本内容。

本书共7章，内容涵盖大数据基础与应用概况、数据获取、数据分析入门、数据分析进阶、Tableau数据可视化、数据分析拓展以及数据思维。

本书从大数据基础概念出发，涵盖起源、特性、与云计算、人工智能的关系及典型应用场景，逐步深入至大数据分析技术体系，包括基础框架、处理过程、应用、可视化与安全。书中详解Hadoop、Spark等主流大数据处理框架的配置与使用，介绍回归分析、分类算法、集成学习等大数据分析算法，以及Tensorflow、PaddlePaddle等深度学习框架的配置与应用。此外，还讲解文本、网络、时空、多维数据可视化技术，提供可视化工具操作教程。最后，通过6个热门大数据分析案例项目，展示项目完成全过程，指导读者