计算机应用基础

本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间点上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；接着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括精确信念状态规划、离线信念状态规划、在线信念状态规划等；最后讨论多智能体系统，涉及多智能体推理和协作智能体等。本书

《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：第一篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习最重要与高频使用的模型，包括K-Means聚类、K

在区块链、人工智能、3D、AR等底层技术的支持下，Web3.0高速发展，获得了更多的关注。从Web1.0到Web3.0，互联网由中心化走向去中心化，由以平台为中心转向以用户为中心，经济由实体经济转向数字经济。可以说，Web3.0正在全方位赋能数字时代科技发展，重构商业模式。本书以Web3.0如何重构数字时代科技与商业新生态为切入点，面向互联网领域的创业者、从业者、企业家与投资人等。读者可以

测试设计思想是本书的主题。针对测试的两个基本目的和五个基本问题，本书归纳了八类测试设计思想，即系统的思想、枚举的思想、准则化的思想、多样化的思想、统计的思想、冗余的思想、推理的思想、控制的思想。围绕每一类思想，本书深入讲解来自不同领域的测试设计方法、实践及理念，借此剖析如何依据该思想缓解测试的基本问题。了解这些思想，有助于读者奠定扎实的测试理论基础，适应当代研发生产活动多学科交叉、多领域融合的发展

《UI设计基础与应用标准教程（全彩微课版）》围绕UI设计进行编写，以理论+实操为编写原则，用通俗易懂的语言对UI设计的相关知识进行详细介绍。《UI设计基础与应用标准教程（全彩微课版）》共9章，内容涵盖UI设计学习入门、图标设计、控件设计、动效设计、App界面设计、网页界面设计、软件界面设计、界面的标注与切图、综合实战案例等。在介绍理论知识的同时，穿插了大量的实操案例，第1～8章结尾还安排了实战演练

本书以简洁的语言介绍了使用Word和InDesign编辑与排版文档所需掌握的主要功能、操作方法和实用技巧。本书提供了动手实践案例实战疑难解答几个栏目，以便增强学习效果，使读者可以更好地将理论知识与实践相结合。本书共9章，内容分为Word和InDesign两部分：Word部分中的内容主要包括文档基本操作和页面设置、文本编辑和格式设置、创建和设置表格、插入和设置图片、图文表混排、创建和使用样式与模板、

《Web3.0》针对当下火热的Web3.0话题，介绍Web3.0的相关专业知识、技术实现方法及应用前景。全书共9章，第1章介绍了Web3.0的基本知识；第2、3章介绍了Web3.0的基础技术栈和拓展技术栈；第4章介绍了Web3.0的生态构建，包括去中心化自治组织、开放式金融、加密货币、代币经济与数字市场、数字身份、创造者经济、注意力经济等；第5章阐述了Web3.0的行业应用；第6章介

本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。全书分为4篇，共19章：微积分篇（第1～5章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第6～10章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统

本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于回归事物本质，规律性、系统性地思考问题理论为实践服务并且反过来充实理论，为更多人服务的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的到底是什么，为什么要这样做的通俗理解。尽可能