大学计算机基础（慕课版）

《微课设计与制作标准教程（全彩微课版）》内容围绕微课制作展开，以实用高效为写作目的，用通俗易懂的语言对微课设计与制作的相关知识进行详细介绍。

本书深入剖析了互联网主导下的数字广告系统，详细阐述了如何通过数据驱动的产品技术、计算算法和动态定价模型来推进广告主的数字营销，并使其在广告领域与技术广告体系全面融合。同时，本书还探讨了数字化升级对广告业流程的影响，包括市场研究、内容匹配、定制化广告、广告竞投以及消费者沉浸式互动和用户忠诚度提升等营销职能。这些内容共同构建了数字化和智能化广告发展的综合知识体系。全书分为三篇（共10章）：第一篇为基础

《重构知识：在线知识传播的疆域、结构与机制》旨在探究社会化媒体知识分享平台的知识分享行为规律、知识疆域结构特征、知识构建的动力机制以及知识普惠的技术实现。依托于当前人文社会科学新文科建设总体要求，本书基于传播学理论视野，利用信息科学计算技术，结合复杂网络分析框架，致力于解决当前传播学现实问题。具体而言，本研究旨在探究基于互联网技术的知识传播，提高知识传播效率，推进知识普惠，探究信息技术能够惠及广泛

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

《深度序列模型与自然语言处理：基于TensorFlow2实践》以自然语言和语音信号处理两大应用领域为载体，详细介绍深度学习中的各种常用序列模型。在讲述理论知识的同时辅以代码实现和讲解，帮助读者深入掌握相关知识技能。《深度序列模型与自然语言处理：基于TensorFlow2实践》共12章，不仅涵盖了词向量、循环神经网络、卷积神经网络、Transformer等基础知识，还囊括了注意力机制、序列到序列问题

《剪映短视频剪辑与运营标准教程（全彩微课版）》围绕剪映短视频的创作展开，由浅入深、全面系统地对短视频的拍摄、剪辑、发布、运营等环节进行介绍，不仅能让新手制作出精彩的短视频，还可以让有一定后期剪辑基础的读者掌握更多创意效果的制作方法。《剪映短视频剪辑与运营标准教程（全彩微课版）》共9章，内容包括短视频剪辑基础知识、素材拍摄技法、短视频剪辑工具—剪映的基本功能、短视频字幕处理、音效的添加、视频转场特效

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

本书比较全面、系统地介绍了深度强化学习的理论和算法，并配有大量的案例和编程实现。全书核心内容可以分为3部分，第一部分为经典强化学习，包括第2、3、4章，主要内容有动态规划法，蒙特卡洛法、时序差分法；第二部分为深度强化学习，包括第6、7、8章，主要内容有值函数近似法、策略梯度法、策略梯度法进阶；第三部分重点介绍了深度强化学习的经典应用——AlphaGo系列算法。另外，作为理论和算法的辅助，第1章介绍