3dsMax是游戏、建筑表现、影视动画等领域常用的三维软件。《中文版3dsMax2022入门教程》全面介绍中文版3dsMax2022的基本功能及实际运用，包括3dsMax2022基础建模、二维图形建模、高级建模、材质与贴图、灯光与摄影机、环境和效果、渲染、三维动画、动力学、布料系统和商业综合案例。本书针对零基础的读者编写，可帮助入门级读者快速、全面地掌握3dsMax2022。《中文版3dsMax2022入门教程》以各种重要技术为主线，通过课堂案例的实际操作，帮助读者快速上手，熟悉软件功能和应用。

本书共8章，第1章对云计算的概念、商业模式及部署模式进行概述，并引入华为云；第2章介绍华为账号与统一身份认证服务，并详细说明创建和使用流程；第3～6章介绍计算云服务、网络云服务、存储云服务及镜像服务；第7章及第8章讲解弹性负载均衡、弹性伸缩、云监控服务、云日志服务的基础操作。除了讲解核心知识，本书还有详细的实验案例，将理论与实验结合，使读者快速掌握云服务核心组件的使用技能。本书适合备考华为HCIA-CloudService认证的人员、从事云服务工作的专业人员阅读，也可以作为高等院校相关专业师生的

本书共13章，分为办公自动化篇、网络应用篇、GUI编程篇、其他应用篇4篇，以Python的实际应用为主线，以理论基础为核心，引导读者学习Python在生活和工作中的实际应用。具体包括：读取Excel工作簿、写入Excel工作簿、批量生成Excel工作表等。

本书首先简要介绍了最先进的人机交互控制和强化学习,然后再描述典型的环境模型,以及一些最著名的参数估计识别技术及先进和前沿的主题。本书假设读者熟悉使用经典和高级控制器的人机交互控制和一些应用,进一步开发系统识别、基于模型和无模型人机交互控制器的系统分析。

本书介绍伴随AI技术的不断突破，AI技术的巨大投入能否获得预期的高回报成为各界关注的问题。在这种背景下，学者们观测到AI生产率悖论现象，并引起关注；产业界的调研发现，人工智能应用有高达85%的失败率。到底是什么原因导致人工智能技术的产业应用效果未能达到预期，本书聚焦于这一核心问题，通过思辨篇、研究篇、案例篇、展望篇四个部分来体系化回答这一问题，试图给出破解AI生产率悖论现象的方案，即人工智能技术要转化为生产力，就需要为人工智能技术群的正向积极作用发挥创造与之相适应的新型管理模式、体系和方法，让新

本书是著名科学家、科普作家卡尔·萨根的科普名作。作者基于生物学、神经解剖学、脑科学、行为学和考古学的知识来探寻人类智能的本质和进化过程，并为开发人工智能和寻找外星智能提供有用的线索。作者从三重脑模型——爬行动物脑、边缘系统、新皮层说起，讲了脑的物质进化史，又从情感、记忆、推理、梦、意识等角度讲了大脑功能方面的进化渊源。在人工智能科技发展日益完善的今天，本书的内容有利于促进中国人工智能产业的发展，可以给相关从业人员新的看待智能的角度和启发。

本书从实战角度系统论述了Python爬虫技术的核心知识，并通过大量的真实项目帮助读者深入掌握Python爬虫技术及其实现。本书提供了大量实战案例，演绎采用各种技术编写Python爬虫的方式。读者可以任意组合使用这些技术，完成非常复杂的爬虫应用。本书共20章，分为五篇。第一篇：基础知识（第1～2章），主要包括Python编程环境的搭建、IDE的安装和使用、HTTP的基础知识、网页基础（HTML、CSS、JavaScript）、爬虫的基本原理、Session、Cookie。第二篇：网络库（第3～5章

《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》基于作者多年的积累，通过概念及其解释、Python代码示例及其解释和代码输出，特别针对零基础读者精心设计了这本机器学习进阶指南。全书包含3部分16章的内容，在介绍完编程和数据处理基础之后，探讨了监督学习（如线性回归、逻辑回归及决策树、朴素贝叶斯和支持向量机）、集成学习以及无监督学习（如降维和聚类等）。值得一提的是，书的最后讲到了神经网络和深度学习的基本思想，探讨了人工神经网络、卷积神经网络和递归神经网络。

本书的内容包括对数字化概念梳理，使用数字化本体论回答什么是数字化的问题。对数字化的要素进行深入分析和描述，澄清和论证了数字化成功的关键要素。对主要的数字化技术的对数字化的关键领域和问题，包括路径、组织、文化、业务与IT的关系、以及数据价值等进行了逐一的审视和思考并提出具体建议。对数字化的组织和文化变革也进行了全面的说明。最后，对数字化伦理和资本作为数字化的主要推动力等进行了辩证分析。书后附加了国内有影响力的企业领导人、专家的体会、研究和案例。本书适合企业领导、管理人员、数字化和信息化从业人员以及

机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、最大熵模型、决策树模型、感知机模型、支持向量机、EM