本书根据高等职业教育园林及相关专业的教学要求，结合景观设计流程和项目实例，基于工作过程，按照“先理论后实践”的模式进行编写，力求全面、系统、实用、适用，体现职业教育的教学特点。全书共分为5章，主要内容包含园林工程技术专业教学的核心内容，包括庭院景观设计、道路景观设计、广场景观设计、滨水空间景观设计和居住区景观设计，将景观设计的基本原理、方法结合实际案例进行系统地分析和讲解，通过理论引导、案例分析的形式，深入浅出地对各个知识点进行剖析。

本书是“十四五”职业教育国家规划教材。本书依据国家现行的建设工程规范、规程及相关文件进行编写。全书主要介绍了建筑设备各系统的基本知识、各系统施工图等，简要介绍了设备系统安装知识。在内容的编排顺序上，将建筑设备中的给水排水、电气两部分必讲内容放在前面，其他几个系统可根据南北方差异、学校课时的多少酌情选用。内容上循序渐进、由浅入深(各系统的基本知识→系统施工图及识读→系统的施工安装→系统的验收)，从理论到实践，逐步达到能看懂简单设备工程施工图、能做好工种间的协调配合、能依据国家现行规程进行

本书在对全过程工程咨询和建设工程施工管理相关岗位所需的专业知识和专项能力系统分析的基础上，以工程项目施工和全过程咨询为背景，以能力培养为目标，以学生为主体，以行动导向方式组织课程教学，以典型工作任务为载体，采用学习领域课程开发模式，创设了三个学习领域：一、建设工程施工质量控制，二、建设工程安全管理，三、工程施工质量控制与安全管理综合实训。本书为工作手册式教材，相关内容旨在培养学生建设工程施工质量控制和建设工程施工安全管理的能力，指导其能参与工程施工或全过程工程咨询的建设工程质量控制和安

本书系统介绍了如何采用亚马逊云科技提供的服务来进行云上运维。全书共11个单元，内容包括了解系统运维、服务器运维、网络运维、数据库运维、监控与审计、存储与存档、创建自动化的部署、自动化管理工具、系统的弹性与高可用、内容分发网络以及成本管理。本书以任务驱动的方式对知识点进行细致的讲解，采用以AWS命令行界面(AWSCLI)为主、以管理控制台为辅的方式，给出具体的操作演示。

本书是基于MATLABR2021a产品族，以教程和实训紧密结合的形式编写而成的，深入浅出地介绍了MATLAB的应用。教程部分比较系统地介绍了MATLAB的基本运算、数据的可视化、符号运算、程序设计和M文件、MATLAB高级图形设计、Simulink仿真应用和线性控制系统的分析等内容，以先讲解后实例的方式，图文并茂，例题选取典型且丰富，突出应用。实训部分与教程内容相互配合，先提出知识要点，然后按部就班地指导操作，方便学生循序渐进地上机操作；同时提出部分功能修改的操作，最后给出自我练习，对

本书是一本专注于Windows操作系统信息安全的教材，内容涵盖了常见Windows操作系统信息安全项目案例。本书以培养学生的职业能力为核心，以工作实践为主线，以项目为导向，采用任务驱动、场景教学的方式，面向企业信息安全工程师人力资源岗位能力模型设置教材内容，建立以实际工作过程为框架的职业教育课程结构。本书分为基础模块、进阶模块和创新模块3个单元，共8个项目，主要内容包括走进Windows服务器、Windows服务器用户管理、Windows服务器共享管理、Windows服务器网站管理、W

本书主要介绍数据可视化分析相关知识，所使用的工具为Tableau。本书基于以多个实际案例为背景的具体数据，介绍了常用的商务数据分析图形的制作，以及如何利用图形获得分析数据，得出结论。读者通过本书可以掌握数据可视化分析理论，并且能够制作可视化分析图表，基于图表获得分析结论，从而为企业经营提供指引。

本书包含9章内容，第1章绪论介绍机器人的基本组成、分类、发展历程和应用，以及机器人机构创新设计的研究内容。第2章和第3章介绍机器人学研究涉及的数学基础，并根据机器人机构创新设计的流程重点介绍有限-瞬时旋量数学框架。第4章至第8章涵盖串联、并联机器人机构设计的全部环节，包括机构构型综合、运动学建模、静力学建模、动力学建模以及多目标多参数优化设计方法。第9章以两个典型的应用场景例，阐述利用前述章节的理论方法开展并联机器人机构创新设计的流程。本书既重视与机械原理设计等基础课程的衔接，也注意与

本书是一本精简的神经网络入门教程，用通俗易懂的语言讲解神经网络的相关知识。本书共6章，第1章对神经网络领域进行概述，包括其历史和应用；第2章深入探讨神经元的数学模型，包括其输入、权值、偏置和激活函数；第3章介绍感知机的概念，讨论感知机的结构，并解释如何用它来解决简单的分类问题；第4章介绍多层感知机的概念，讲述如何使用前馈传播和反向传播，同时详细介绍了反向传播中用到的链式法则；第5章涵盖训练神经网络时使用的各种参数和算子；第6章介绍神经网络的分布式学习、压缩和解释，其中分布式学习涵盖使用

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富，着重与讲解机器学习理论的推导与证明，并通过实例进行方法分析与比较；本书强调机器学习的系统性、完整性、方法的时效性，可读性强；同时，作为新形态教材，本书配备了大量