本书共分为11章, 第1章主要讲解了Linux操作系统的安装与使用; 第2章讲解了Linux操作系统的常用命令, 包括用户与用户组管理命令、文件管理命令、软件管理命令、进程管理命令、网络管理与通信命令、帮助命令以及vim编辑器; 第3章讲解了Shell编程的相关知识; 第4-10章是Linux编程的核心知识, 包括LinuxC开发环境、文件I/O操作、Linux进程管理、信号、进程间通信、线程和socket网络编程; 第11章讲解了并发服务器的原理和实现。每个章节均配有经典案例, 读者可以一边学

本书基于Python 3.13.0，以项目教学的方式，循序渐进地讲解Python 数据分析的基本原理和具体应用的方法与技巧。全书分为6个项目，具体内容为Python数据分析基础、NumPy数据探索和预处理、Pandas数据处理与分析、Matplotlib 数据可视化、SciPy统计推断与探索性分析、Scikit-learn库模型与数据预处理。本书实例丰富、内容翔实、操作方法简单易学，不仅适合作为职业院校计算机与软件工程相关专业的教材，还可供从事数据分析相关工作的专业人士参考。

本书涵盖人工智能领域的多个重要方向和交叉领域，旨在向读者介绍人工智能的最新进展、应用和发展趋势，同时探讨人工智能与其他学科交叉的原则、重要性和潜在影响。主要内容包括人工智能基础与前沿、人工智能+教育、人工智能+医疗、人工智能+法律、人工智能+哲学，涉及人工智能技术在多个学科的理论前沿知识、不同领域的案例应用和辨证思考等内容。

本书是根据全国高等院校计算机基础教育研究会发布的《中国高等院校计算机基础教育课程体系2024》中有关“大模型技术及应用”课程参考方案编写的。本书是高等院校人工智能通识教育的一门核心课程教材, 主要内容包括: 大模型的定义、分类、构建流程、层次结构、核心技术、典型平台、API调用、提示工程、典型应用、数据分析、行业应用和未来发展趋势等。此外, 附录部分还设计了6个实验, 旨在帮助读者将理论知识转化为实践能力。

本书系统地介绍了矩阵理论的相关内容及其在控制系统中的应用。全书共11章，主要内容包括：矩阵理论的基本知识及应用、范数与测度、矩阵的相似标准形、矩阵分解、矩阵特征值的估计与定位、矩阵函数及运算、几种重要的矩阵、矩阵的广义逆、矩阵不等式、矩阵方程以及矩阵乘法的推广及应用等。本书内容丰富，每章都配有适当的例题和一定量的习题，便于读者阅读与练习。

本书以交互设计开发的全流程为基础，涵盖了设计师在设计方案中的所有环节。本书共7章，循序渐进地讲解了交互设计的流程，涉及交互设计、用户体验设计、SWOT分析模型、PEST分析模型、竞品分析、定性定量研究、用户访谈、问卷调研、用户画像、用户体验地图、KANO模型、原型的制作工具、可用性测试、A/B测试、眼动测试、交互验证及综合案例。本书将交互设计中系统的理论知识和设计方法与案例融合，详细讲述了作者在教学过程中指导学生的部分获奖作品，包括PPE脱卸交互系统设计（获2021年IF设计奖、2021年东莞杯

本书以Python语言为工具，以图像为载体，对计算机视觉涉及的操作和变换方法进行了详细的介绍及实现。全书共分10章，分别为计算机视觉概述、编程语言Python及库简介、数字图像预处理、图像特征与检测、机器学习、BP神经网络基础、卷积神经网络CNN、经典神经网络结构分析、百度EasyDL入门以及计算机视觉在制造行业应用案例分析。
本书可作为高等院校智能制造工程、人工智能等相关专业的教材，亦可作为图像处理、多媒体编程、计算机视觉领域人员的实用参考书。

在智能制造高质量发展的背景下，机器视觉技术作为工业自动化和智能化升级的核心驱动力，凭借其高精度、高效率、非接触性和可重复性等显著优势，在电子制造、汽车工业、食品包装、医药生产等领域发挥着不可替代的作用。掌握机器视觉技术不仅是自动化、计算机、人工智能等专业学生的必备能力，更是推动制造业数字化转型和智能化升级的关键支撑。本书作为校企合作的新形态教材，紧密结合产业发展需求，以“项目引领、任务驱动”为主线，设计了从基础到综合、从简单到复杂的系列化项目。所有项目均源自企业真实应用场景，融入新技术、新工艺、

本书围绕计算机视觉的五大核心任务: 图像分类、图像分割、目标检测、目标跟踪、三维场景重建，将内容划分为三部分: 基础篇、识别篇与重建篇。其中，基础篇（第1～5章）讲述计算机视觉任务的共性知识与算法，涵盖线性滤波器、图像边缘提取、纹理表示、角点特征提取、尺度不变特征；识别篇（第6～9章）关注机器如何理解图像内容，重点介绍图像分类、目标检测、图像分割、目标跟踪四个视觉识别任务的难点、解决思路及对应的识别算法与模型；重建篇（第10～15章）聚焦如何从图像中进行三维场景的结构重建，内容涵盖摄像机几

全书共9章，涵盖了机器学习的基本内容，主要包括概述、离散变量与分类、连续变量与线性回归、维数灾难与降维、K均值聚类、生成模型与贝叶斯分类器、自监督与大语言模型、环境监督与强化学习、综合实验等。